Główne pojęcia
自動車による歩行者の横断意図予測のための新しいフレームワークであるPIP-Netを紹介します。
Streszczenie
自動車による歩行者の横断意図予測は、現在の研究課題の1つです。本記事では、PIP-Netという新しいフレームワークを紹介し、都市部でのAVによる歩行者横断意図予測における性能向上を実証しています。提案されたモデルは、運転シーンから得られた運動データと空間特徴を活用し、再帰的かつ時間的な注意ベースの手法を採用しています。さらに、カテゴリカル深度特徴マップとローカルモーションフロー特徴を組み合わせて、シーンダイナミクスに関する豊富な情報を提供しています。この研究では、Urban-PIPデータセットも導入されており、実世界でのAV運転シナリオでの歩行者横断挙動研究が可能となっています。
Statystyki
歩行者横断意図予測精度:91%
歩行者横断意図予測先読み時間:最大4秒
Urban-PIPデータセット導入
Cytaty
"Several datasets, such as JAAD, PIE, and STIP, use onboard camera recordings and their data are publicly released for the study of pedestrians’ behaviour before and during road crossing."
"DNNs are particularly effective at learning complex patterns and features from visual data, making them a natural fit for tasks that involve analysing images or videos to comprehend pedestrian behaviour."
"In this study, we propose a customised DNN-based framework, called “PIP-Net” that takes various features of pedestrians, the environment, and the ego-vehicle state into account, to learn the context of a crossing scenario and consequently predict the intention of pedestrians in real-world AV urban driving scenarios."