基于检测结果与不确定性感知运动编码的轨迹预测
计算机视觉与模式识别
2022-02-11 v2
摘要
轨迹预测对于自主平台进行安全规划与行动至关重要。当前，大多数轨迹预测方法假设物体轨迹已被提取，并直接基于真实轨迹构建轨迹预测器。然而，该假设在实际情形中并不成立。由目标检测与跟踪获得的轨迹不可避免地含有噪声，这可能导致基于真实轨迹构建的预测器产生严重的预测误差。本文中，我们提出一种直接基于检测结果、不依赖显式形成轨迹的轨迹预测器。不同于基于明确定义轨迹编码智能体运动线索的传统方法，我们仅基于检测结果间的亲和线索提取运动信息，其中设计了一种亲和感知状态更新机制以考虑关联的不确定性。此外，考虑到可能存在多个合理匹配候选，我们对它们的状态进行聚合。该设计缓解了由数据关联获得的含噪轨迹带来的不良影响。大量消融实验验证了方法的有效性及其在不同检测器上的泛化能力。与其他预测方案的交叉对比进一步证明了我们方法的优越性。代码将在录用后发布。
引用
@article{arxiv.2202.01478,
title = {Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding},
author = {Pu Zhang and Lei Bai and Jianru Xue and Jianwu Fang and Nanning Zheng and Wanli Ouyang},
journal= {arXiv preprint arXiv:2202.01478},
year = {2022}
}
备注
11 pages, 4 figures