基于车载视觉理解行人与车辆交互：一种 LSTM 模型与实证分析
计算机视觉与模式识别
2019-05-15 v1
摘要
行人与车辆常在复杂的内城交通中共享道路。这导致车辆与行人之间的交互，彼此影响对方的运动。为创建鲁棒的方法来推理行人行为并设计自动驾驶汽车与行人之间的通信接口，我们需要更好地理解此类交互。本文提出一种数据驱动方法，隐式建模行人与车辆的交互，以更好地预测行人行为。我们提出一种 LSTM 模型，以行人与自车（ego-vehicle）的过去轨迹以及行人头部朝向作为输入，预测行人的未来位置。我们基于车载摄像头捕获的真实内城数据集的实验表明，与纯粹使用行人过去轨迹的基线相比，此类线索的使用改善了行人预测。
引用
@article{arxiv.1905.05350,
title = {Understanding Pedestrian-Vehicle Interactions with Vehicle Mounted Vision: An LSTM Model and Empirical Analysis},
author = {Daniela A. Ridel and Nachiket Deo and Denis Wolf and Mohan M. Trivedi},
journal= {arXiv preprint arXiv:1905.05350},
year = {2019}
}
备注
IV 2019