Predicting Future Spatiotemporal Occupancy Grids with Semantics for Autonomous Driving

要約

自動運転車が安全な軌道を積極的に計画し、情報に基づいた意思決定を行うには、ローカル環境の将来の占有状態を予測できなければなりません。
ただし、占有予測に関する一般的な問題には、特に長い時間軸で移動物体が消えたりぼやけたりする予測が含まれます。
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します。
私たちの方法では、まず環境を意味的にセグメント化し、占有情報とともにこの情報を使用して、環境の時空間的進化を予測します。
現実世界の Waymo オープン データセットでアプローチを検証します。
ベースライン手法と比較して、私たちのモデルは予測精度が高く、より長い予測期間にわたって予測における移動オブジェクトの出現を維持することができます。

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, Google