Comparison of Pedestrian Prediction Models from Trajectory and Appearance Data for Autonomous Driving

要約

歩行者の動きの変化を予測する機能は、自動運転車にとって重要な機能です。
都市環境では、歩行者が道路エリアに進入し、運転に高いリスクをもたらす可能性があり、これらのケースを特定することが重要です。
一般的な予測器は、軌跡の履歴を使用して将来の動きを予測しますが、動きの開始の場合、軌跡内の動きは遅れてからしかはっきりと見えないため、正確な予測ができる前に歩行者が道路エリアに入ってしまう可能性があります。
外観データには、動きの変化の初期指標である歩行の変化などの有用な情報が含まれており、軌道予測に情報を提供できます。
この研究では、歩行者予測のための軌跡のみと外観に基づく方法の比較評価を示し、外観を使用した予測のための新しいデータセット実験を紹介します。
人気の NuScenes データセットからの画像シーケンスと軌跡シーケンスの組み合わせに基づいて 2 つの軌跡データセットと画像データセットを作成し、観察された外観を使用して将来に影響を与える軌跡の予測を調査します。
これは、軌道予測のみに比べていくつかの利点を示していますが、データセットの問題により、外観ベースのモデルの利点が示されていません。
データセットを改善し、外観ベースのモデルの利点を捉えられるように実験する方法について説明します。

要約(オリジナル)

The ability to anticipate pedestrian motion changes is a critical capability for autonomous vehicles. In urban environments, pedestrians may enter the road area and create a high risk for driving, and it is important to identify these cases. Typical predictors use the trajectory history to predict future motion, however in cases of motion initiation, motion in the trajectory may only be clearly visible after a delay, which can result in the pedestrian has entered the road area before an accurate prediction can be made. Appearance data includes useful information such as changes of gait, which are early indicators of motion changes, and can inform trajectory prediction. This work presents a comparative evaluation of trajectory-only and appearance-based methods for pedestrian prediction, and introduces a new dataset experiment for prediction using appearance. We create two trajectory and image datasets based on the combination of image and trajectory sequences from the popular NuScenes dataset, and examine prediction of trajectories using observed appearance to influence futures. This shows some advantages over trajectory prediction alone, although problems with the dataset prevent advantages of appearance-based models from being shown. We describe methods for improving the dataset and experiment to allow benefits of appearance-based models to be captured.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google