TPCN：用于运动预测的时间点云网络
计算机视觉与模式识别
2021-03-05 v1 机器人学
摘要
我们提出时间点云网络（TPCN），一种新颖且灵活的联合空间与时间学习的轨迹预测框架。与将智能体和地图信息栅格化为 2D 图像或以图表示进行操作的现有方法不同，我们的方法扩展了点云学习的思想并结合动态时间学习，通过将轨迹预测拆分为空间和时间维度来捕获空间和时间信息。在空间维度上，智能体可视为无序点集，因此直接应用点云学习技术来建模智能体位置是自然的。而空间维度未考虑运动学和运动信息，我们进一步提出动态时间学习来建模智能体随时间的运动。在 Argoverse 运动预测基准上的实验表明，我们的方法达到了最先进的结果。
引用
@article{arxiv.2103.03067,
title = {TPCN: Temporal Point Cloud Networks for Motion Forecasting},
author = {Maosheng Ye and Tongyi Cao and Qifeng Chen},
journal= {arXiv preprint arXiv:2103.03067},
year = {2021}
}
备注
accepted to CVPR 2021