論文の概要: Two-Stream Networks for Lane-Change Prediction of Surrounding Vehicles
- arxiv url: http://arxiv.org/abs/2008.10869v1
- Date: Tue, 25 Aug 2020 07:59:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 03:26:49.897963
- Title: Two-Stream Networks for Lane-Change Prediction of Surrounding Vehicles
- Title（参考訳）: 周辺車両の車線変更予測のための2ストリームネットワーク
- Authors: David Fern\'andez-Llorca, Mahdi Biparva, Rub\'en Izquierdo-Gonzalo and
John K. Tsotsos
- Abstract要約: 高速道路のシナリオでは、人間のドライバーは視覚的手がかりのみを使用して車両を取り巻く早期の切り込みと切り抜きの操作を予想する。
周囲車両の車線変化認識と予測に対処するため,ビデオカメラからの視覚的手がかりを積み重ねることで,行動認識・予測問題としてこの問題を提起する。
2ストリーム畳み込みネットワークと乗算器ネットワークという2つのビデオアクション認識アプローチが分析されている。
- 参考スコア（独自算出の注目度）: 8.828423067460644
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In highway scenarios, an alert human driver will typically anticipate early
cut-in and cut-out maneuvers of surrounding vehicles using only visual cues. An
automated system must anticipate these situations at an early stage too, to
increase the safety and the efficiency of its performance. To deal with
lane-change recognition and prediction of surrounding vehicles, we pose the
problem as an action recognition/prediction problem by stacking visual cues
from video cameras. Two video action recognition approaches are analyzed:
two-stream convolutional networks and spatiotemporal multiplier networks.
Different sizes of the regions around the vehicles are analyzed, evaluating the
importance of the interaction between vehicles and the context information in
the performance. In addition, different prediction horizons are evaluated. The
obtained results demonstrate the potential of these methodologies to serve as
robust predictors of future lane-changes of surrounding vehicles in time
horizons between 1 and 2 seconds.
- Abstract（参考訳）: 高速道路のシナリオでは、人間のドライバーが視覚的手がかりのみを使用して、周囲の車両の早期の切り込みと切り抜きの操作を予想する。
自動化システムは、パフォーマンスの安全性と効率を高めるために、これらの状況を早期に予測する必要がある。
周囲車両の車線変化認識と予測に対処するため,ビデオカメラからの視覚的手がかりを積み重ねることで,行動認識・予測問題としてこの問題を提起する。
2ストリーム畳み込みネットワークと時空間乗算器ネットワークの2つのビデオ行動認識手法を解析した。
車両周辺領域の異なるサイズを解析し、車両間の相互作用と性能におけるコンテキスト情報の重要性を評価する。
さらに、異なる予測地平線の評価を行う。
その結果, これらの手法が, 1秒から2秒間の時間的地平線における周辺車両の車線変化の強い予測因子となる可能性が示された。
関連論文リスト
- PIP-Net: Pedestrian Intention Prediction in the Wild [11.799731429829603]
PIP-Netは、現実の都市シナリオにおいて、AVによる歩行者横断意図を予測するために設計された新しいフレームワークである。
我々は、異なるカメラマウントとセットアップ用に設計された2種類のPIP-Netを提供する。
提案モデルでは、繰り返し時間的注意に基づく解を用いて、最先端の性能を向上する。
最初に、カスタマイズされた歩行者意図予測データセットであるUrban-PIPデータセットを提示する。
論文 参考訳（メタデータ） (2024-02-20T08:28:45Z) - BEVSeg2TP: Surround View Camera Bird's-Eye-View Based Joint Vehicle
Segmentation and Ego Vehicle Trajectory Prediction [4.328789276903559]
軌道予測は自動車の自律性にとって重要な課題である。
学習に基づく軌道予測への関心が高まっている。
認識能力を向上させる可能性があることが示される。
論文 参考訳（メタデータ） (2023-12-20T15:02:37Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳（メタデータ） (2023-08-02T23:39:24Z) - Multi-Vehicle Trajectory Prediction at Intersections using State and
Intention Information [50.40632021583213]
道路員の将来の軌跡予測への伝統的なアプローチは、過去の軌跡を知ることに依存している。
この研究は、交差点で複数の車両の予測を行うために、現在の状態と意図された方向を知ることに依存する。
この情報を車両間で送るメッセージは、それぞれがより総合的な環境概要を提供する。
論文 参考訳（メタデータ） (2023-01-06T15:13:23Z) - Predicting highway lane-changing maneuvers: A benchmark analysis of
machine and ensemble learning algorithms [0.0]
異なる機械学習とアンサンブル学習の分類手法をルールベースモデルと比較する。
速度の遅い車線から速い車線まで) と折りたたみ式の2種類の車線変更操作を予測した。
もしルールベースのモデルが、特に折りたたみの場合の予測精度に制限を与えているなら、モデリングバイアスを欠いたデータベースのアルゴリズムは、大幅な予測改善を可能にします。
論文 参考訳（メタデータ） (2022-04-20T22:55:59Z) - Early Lane Change Prediction for Automated Driving Systems Using
Multi-Task Attention-based Convolutional Neural Networks [8.60064151720158]
レーンチェンジ(英: Lane Change、LC)は、高速道路の運転において、安全上重要な手段の一つである。
自動走行システムの 安全で快適な運転には 確実な予測が不可欠だ
本稿では,LCの操作可能性と時間-車線変化を同時に推定する新しいマルチタスクモデルを提案する。
論文 参考訳（メタデータ） (2021-09-22T13:59:27Z) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳（メタデータ） (2021-09-03T13:33:33Z) - Video action recognition for lane-change classification and prediction
of surrounding vehicles [12.127050913280925]
レーン変更認識と予測タスクは、ビデオアクション認識問題として提示される。
コンテキストと観測地平線がパフォーマンスに与える影響を調査し、異なる予測地平線を分析します。
その結果,これらの手法が将来の車両の車線変化を予測できる可能性を明らかにした。
論文 参考訳（メタデータ） (2021-01-13T13:25:00Z) - Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。
歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。
2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文 参考訳（メタデータ） (2021-01-07T06:08:21Z) - What-If Motion Prediction for Autonomous Driving [58.338520347197765]
生存可能なソリューションは、道路レーンのような静的な幾何学的文脈と、複数のアクターから生じる動的な社会的相互作用の両方を考慮しなければならない。
本稿では,解釈可能な幾何学的(アクター・レーン)と社会的(アクター・アクター)の関係を持つグラフに基づく注意的アプローチを提案する。
提案モデルでは,道路レーンやマルチアクターの相互作用を仮定的に,あるいは「何」かで予測できる。
論文 参考訳（メタデータ） (2020-08-24T17:49:30Z) - V2VNet: Vehicle-to-Vehicle Communication for Joint Perception and
Prediction [74.42961817119283]
車両間通信(V2V)を用いて、自動運転車の知覚と運動予測性能を向上させる。
複数の車両から受信した情報をインテリジェントに集約することで、異なる視点から同じシーンを観察することができる。
論文 参考訳（メタデータ） (2020-08-17T17:58:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。