基于鸟瞰图表示与 CNN 的拥挤高速公路场景车辆轨迹预测
计算机视觉与模式识别
2020-08-27 v1
摘要
本文描述了一种采用图形表示进行车辆轨迹预测的新方法。车辆使用高斯分布表示于鸟瞰图（Bird Eye View）中。随后使用 U-net 模型执行序列到序列预测。这种基于深度学习的方法使用 HighD 数据集进行训练，该数据集包含来自航拍图像的高速公路场景中车辆检测。该问题被作为图像到图像回归问题处理，训练网络以学习交通参与者之间的潜在关系。此方法生成输入场景未来外观的估计，而非轨迹或数值位置。额外执行一步以从预测的表示中提取亚像素分辨率的位置。测试了不同的网络配置，提前三秒的预测误差处于表示分辨率量级。该模型已在同时有 30 余辆车、两个相反车流方向的高速公路场景中测试，展现出良好的定性与定量结果。
引用
@article{arxiv.2008.11493,
title = {Vehicle Trajectory Prediction in Crowded Highway Scenarios Using Bird Eye View Representations and CNNs},
author = {R. Izquierdo and A. Quintanar and I. Parra and D. Fernandez-Llorca and M. A. Sotelo},
journal= {arXiv preprint arXiv:2008.11493},
year = {2020}
}
备注
This work has been accepted for publication at IEEE Intelligent Transportation Systems Conference 2020