用于周围车辆换道预测的双流网络

在高速公路场景中，警觉的人类驾驶员通常仅利用视觉线索就能提前预判周围车辆的切入与切出行为。自动驾驶系统也必须在早期阶段预判此类情况，以提升其性能的安全性与效率。为处理周围车辆的换道识别与预测问题，我们将该问题建模为动作识别/预测问题，通过对摄像机视频中的视觉线索进行堆叠来实现。我们分析了两种视频动作识别方法：双流卷积网络与时空乘子网络。我们分析了车辆周围不同大小的区域，评估了车辆间交互及上下文信息对性能表现的重要性。此外，我们还评估了不同的预测时域。所得结果证明了这些方法在1至2秒时域内作为周围车辆未来换道鲁棒预测器的潜力。