MapsTP: HD Map Images Based Multimodal Trajectory Prediction for Automated Vehicles

要約

自車両の軌道を予測することは、他の車両や歩行者の予測不可能な動作により、特に都市部や密集地域では依然として重要な課題です。
マルチモーダル軌道予測は、環境データの多様なソースに基づいて複数の可能な将来の軌道を考慮することにより、意思決定を強化します。
このアプローチでは、ResNet-50 を活用して高解像度地図データから画像特徴を抽出し、IMU センサー データを使用して速度、加速度、ヨー レートを計算します。
時間的確率ネットワークを使用して潜在的な軌道を計算し、最も正確で可能性の高い軌道パスを選択します。
この方法では、HD マップ データを統合して、自動運転車の軌道予測の堅牢性と信頼性を向上させます。

要約(オリジナル)

Predicting ego vehicle trajectories remains a critical challenge, especially in urban and dense areas due to the unpredictable behaviours of other vehicles and pedestrians. Multimodal trajectory prediction enhances decision-making by considering multiple possible future trajectories based on diverse sources of environmental data. In this approach, we leverage ResNet-50 to extract image features from high-definition map data and use IMU sensor data to calculate speed, acceleration, and yaw rate. A temporal probabilistic network is employed to compute potential trajectories, selecting the most accurate and highly probable trajectory paths. This method integrates HD map data to improve the robustness and reliability of trajectory predictions for autonomous vehicles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google