面向周围车辆换道分类与预测的视觉动作识别
计算机视觉与模式识别
2022-04-07 v2 人工智能
机器人学
摘要
在高速公路场景中，警觉的人类驾驶员通常主要利用视觉线索提前预判周围车辆的切入/切出操纵。自动驾驶车辆也必须在早期阶段预判这些情况，以提升其安全性与效率。本文将换道识别与预测任务构建为视频动作识别问题。通过堆叠来自前视摄像头的视觉线索，本文改编了至多四种已成功用于人类动作识别的双流方法，以识别和预判目标车辆的换道行为。我们研究了上下文与观测时域对性能的影响，并分析了不同的预测时域。不同模型使用PREVENTION数据集进行训练与评估。所得结果清晰证明了这些方法作为周围车辆未来换道鲁棒预测器的潜力，在1-2秒的时间域内准确率高于90%。
引用
@article{arxiv.2101.05043,
title = {Video action recognition for lane-change classification and prediction of surrounding vehicles},
author = {Mahdi Biparva and David Fernández-Llorca and Rubén Izquierdo-Gonzalo and John K. Tsotsos},
journal= {arXiv preprint arXiv:2101.05043},
year = {2022}
}
备注
Accepted Manuscript IEEE Transactions on Intelligent Vehicles. arXiv admin note: substantial text overlap with arXiv:2008.10869