面向自动驾驶的交通参与者短时运动不确定性感知预测
机器学习
2020-03-05 v3 计算机视觉与模式识别
机器人学
机器学习
摘要
我们探讨了自动驾驶车辆安全高效运行所必需的关键方面之一，即预测自动驾驶车辆周边交通参与者未来的状态。我们引入了一种基于深度学习的方法，该方法考虑当前世界状态并生成每个参与者邻近区域的栅格图像。这些栅格随后用作深度卷积模型的输入，以推断参与者的未来运动，同时考虑并捕获预测任务固有的不确定性。在真实世界数据上的大量实验强烈表明了所提方法的益处。此外，在离线测试完成后，该系统还在自动驾驶车辆上成功进行了车载测试。
引用
@article{arxiv.1808.05819,
title = {Uncertainty-aware Short-term Motion Prediction of Traffic Actors for Autonomous Driving},
author = {Nemanja Djuric and Vladan Radosavljevic and Henggang Cui and Thi Nguyen and Fang-Chieh Chou and Tsung-Han Lin and Nitin Singh and Jeff Schneider},
journal= {arXiv preprint arXiv:1808.05819},
year = {2020}
}
备注
Accepted for publication at IEEE Winter Conference on Applications of Computer Vision (WACV) 2020