基于深度学习方法的俯视图像序列车辆轨迹预测
计算机视觉与模式识别
2021-05-18 v3 机器学习
摘要
每年全球大量伤亡与机动车事故相关。近年来，借助驾驶辅助系统，该数值已在一定程度上降低。开发驾驶辅助系统（即自动驾驶系统）可在减少该数量方面发挥关键作用。对自动驾驶车辆与先进安全系统而言，估计并预测周围车辆的运动至关重要。此外，轨迹预测受诸多因素影响，例如事故中驾驶员行为、车辆自身及周围车辆的运动历史，以及它们在交通场景中的位置。车辆须在交通中沿安全路径行驶，并在最短时间内对其他驾驶员不可预测的行为作出反应。为此，本文提出一种低计算复杂度的模型以预测自动驾驶车辆路径，其由道路航拍图像训练。我们的方法基于编码器-解码器模型，利用社会张量建模周围车辆运动对目标车辆的影响。所提模型仅需查看与目标车辆运动历史及其邻车相关的图像，即可在任何高速公路上预测车辆未来路径。深度学习被用作提取这些图像特征的工具。利用 HighD 数据库，我们创建了道路航拍图像的数据集，并在该新数据库上评估了模型性能。我们对未来 5 秒取得了 1.91 的 RMSE，并发现所提方法误差小于既往研究中最佳路径预测方法。
引用
@article{arxiv.2102.01749,
title = {Vehicle trajectory prediction in top-view image sequences based on deep learning method},
author = {Zahra Salahshoori Nejad and Hamed Heravi and Ali Rahimpour Jounghani and Abdollah Shahrezaie and Afshin Ebrahimi},
journal= {arXiv preprint arXiv:2102.01749},
year = {2021}
}