XVTP3D：基于共享 3D 查询的自动驾驶跨视角轨迹预测
计算机视觉与模式识别
2023-08-21 v1 多智能体系统
摘要
带不确定性的轨迹预测是自动驾驶中一项关键且具有挑战性的任务。如今，我们可以轻易获取以多视角表示的传感器数据。然而，现有模型未对跨视角一致性进行评估，可能导致不同视角的多模态预测之间相互背离。当网络不能理解 3D 场景时，这种做法不切实际且低效，会使下游模块陷入两难。对此，我们在保持跨视角一致性的同时预测多模态轨迹。我们提出了一种使用共享 3D 查询的跨视角轨迹预测方法(XVTP3D)。我们采用一组跨视角共享的 3D 查询来生成跨视角一致的多目标。我们还提出了随机掩码方法和由粗到细的跨注意力以提取鲁棒的跨视角特征。据我们所知，这是首个将 BEV 检测领域优异的俯视范式引入轨迹预测问题的工作。在两个公开数据集上的实验结果表明，XVTP3D 以一致的跨视角预测取得了最先进的性能。
引用
@article{arxiv.2308.08764,
title = {XVTP3D: Cross-view Trajectory Prediction Using Shared 3D Queries for Autonomous Driving},
author = {Zijian Song and Huikun Bi and Ruisi Zhang and Tianlu Mao and Zhaoqi Wang},
journal= {arXiv preprint arXiv:2308.08764},
year = {2023}
}
备注
11 pages, 6 figures, accepted by IJCAI 23