VisionNet：一种基于可行驶空间的自动驾驶交互运动预测网络
计算机视觉与模式识别
2020-01-09 v1 机器学习
机器人学
摘要
对环境交通态势的理解在很大程度上保证了自动驾驶汽车的行驶安全。最近，许多研究对此任务进行了探索，但由于复杂场景中集体影响的限制，难以很好地解决。这些方法通过目标障碍物与其邻居之间的空间关系来建模交互。然而，它们过于简化了挑战，因为交互的训练阶段缺乏有效的监督。因此，这些模型远非理想。更直观地，我们将问题转化为计算交互感知的可行驶空间，并提出了基于CNN的VisionNet用于轨迹预测。VisionNet接受一系列运动状态，即位置、速度和加速度，来估计未来的可行驶空间。具体化的交互显著提高了VisionNet的解释能力并改进了预测。为了进一步提升性能，我们提出了一种交互损失来指导可行驶空间的生成。在多个公共数据集上的实验证明了所提出的VisionNet的有效性。
引用
@article{arxiv.2001.02354,
title = {VisionNet: A Drivable-space-based Interactive Motion Prediction Network for Autonomous Driving},
author = {Yanliang Zhu and Deheng Qian and Dongchun Ren and Huaxia Xia},
journal= {arXiv preprint arXiv:2001.02354},
year = {2020}
}