Khái niệm cốt lõi
Durch die Erweiterung von Methoden zur Online-Kartenschätzung um die Schätzung von Unsicherheiten können die Leistung und Trainingscharakteristiken von Trajektorienvorhersagemodellen signifikant verbessert werden.
Tóm tắt
Die Studie erweitert mehrere state-of-the-art-Methoden zur Online-Kartenschätzung, um zusätzlich Unsicherheiten in den Kartenschätzungen auszugeben. Die Unsicherheiten werden dann in Trajektorienvorhersagemodelle integriert, um deren Leistung und Trainingsverhalten zu verbessern.
Schlüsselergebnisse:
- Die vorgeschlagene Unsicherheitsformulierung kann verschiedene Quellen von Unsicherheiten erfassen, wie Verdeckungen, Entfernung zur Kamera, Tageszeit und Wetterbedingungen.
- Durch die Integration der Kartenunsicherheiten in Trajektorienvorhersagemodelle können diese bis zu 50% schneller konvergieren und bis zu 15% genauere Vorhersagen liefern.
- Die besten Vorhersageergebnisse werden erzielt, wenn Kartenzentrumslinien zusammen mit deren Unsicherheiten verwendet werden.
Thống kê
Die Unsicherheit der Kartenschätzung nimmt im Allgemeinen mit zunehmender Entfernung zwischen Fahrzeug und Kartenelementen zu.
Modelle, die zeitliche Informationen aus vorherigen Frames aggregieren, wie StreamMapNet, produzieren konstantere Unsicherheiten im Vergleich zu rein einzelbildbasierten Modellen.
Bei schlechten Lichtverhältnissen (Nacht) zeigen Modelle deutlich höhere Unsicherheiten bei der Schätzung von Fußgängerüberwegen.
In dichten Parkplätzen haben die Modelle Schwierigkeiten, genaue Karten zu erstellen, was zu hohen Unsicherheiten führt.
Trích dẫn
"Durch die Erweiterung von Methoden zur Online-Kartenschätzung um die Schätzung von Unsicherheiten können die Leistung und Trainingscharakteristiken von Trajektorienvorhersagemodellen signifikant verbessert werden."
"Die vorgeschlagene Unsicherheitsformulierung kann verschiedene Quellen von Unsicherheiten erfassen, wie Verdeckungen, Entfernung zur Kamera, Tageszeit und Wetterbedingungen."
"Durch die Integration der Kartenunsicherheiten in Trajektorienvorhersagemodelle können diese bis zu 50% schneller konvergieren und bis zu 15% genauere Vorhersagen liefern."