Predicting Future Spatiotemporal Occupancy Grids with Semantics for Autonomous Driving

要約

自律走行車が主体的に安全な軌跡を計画し、情報に基づいた意思決定を行うためには、局所環境の将来の占有状態を予測できなければならない。しかし、占有予測における一般的な問題には、特に長い時間軸において、移動物体が消失したりぼやけたりする予測が含まれる。我々は、将来の占有予測のために環境セマンティクスを組み込んだ環境予測フレームワークを提案する。本手法では、まず環境をセマンティックに分割し、この情報を占有情報と共に用いて、環境の時空間的進化を予測する。実世界のWaymo Open Datasetで我々のアプローチを検証する。ベースライン手法と比較して、我々のモデルは高い予測精度を有し、より長い予測時間地平の予測において移動物体の出現を維持することが可能である。

要約(オリジナル)

For autonomous vehicles to proactively plan safe trajectories and make informed decisions, they must be able to predict the future occupancy states of the local environment. However, common issues with occupancy prediction include predictions where moving objects vanish or become blurred, particularly at longer time horizons. We propose an environment prediction framework that incorporates environment semantics for future occupancy prediction. Our method first semantically segments the environment and uses this information along with the occupancy information to predict the spatiotemporal evolution of the environment. We validate our approach on the real-world Waymo Open Dataset. Compared to baseline methods, our model has higher prediction accuracy and is capable of maintaining moving object appearances in the predictions for longer prediction time horizons.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL