利用先验信息与语义辅助占据栅格地图进行车辆运动预测
计算机视觉与模式识别
2023-08-09 v1 人工智能
机器人学
摘要
由于传感器数据的不确定性、未来的非确定性以及智能体的复杂行为，运动预测对自动驾驶车辆而言是一项具有挑战性的任务。在本文中，我们通过将场景表示为动态占据栅格地图（DOGMs）、为占据单元关联语义标签并融入地图信息来解决此问题。我们提出了一种结合基于深度学习的时空方法与概率方法以预测车辆行为的新型框架。与传统的 OGM 预测方法相反，我们工作的评估是针对真值标注进行的。我们在真实世界的 NuScenes 数据集上实验并验证了我们的结果，表明与 OGM 预测相比，我们的模型在预测静态与动态车辆方面均表现出更优的能力。此外，我们进行了消融研究并评估了语义标签与地图在架构中的作用。
引用
@article{arxiv.2308.04303,
title = {Vehicle Motion Forecasting using Prior Information and Semantic-assisted Occupancy Grid Maps},
author = {Rabbia Asghar and Manuel Diaz-Zapata and Lukas Rummelhard and Anne Spalanzani and Christian Laugier},
journal= {arXiv preprint arXiv:2308.04303},
year = {2023}
}
备注
Accepted to the 2023 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2023)