跳到正文
arXiv cs.AI· Emanuele Iacobelli, Simone Teglia, Francesco Pro, Claudia Melis Tonti, Irene Amerini·· 10 小时前AI 评分24

OCTR2A:仅用对向角落 RGB 相机实现城市路口实时 BEV 轨迹投影与预测

OCTR2A: Real-Time RGB-to-BEV Trajectory Projection and Forecasting at Urban Intersections

AI 导读

OCTR2A 提出一套模块化流程,仅用城市基础设施上成对对向角落 RGB 相机,在推理时重建并预测智能体的 BEV 轨迹,无需 LiDAR、航拍或 HD 地图。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:城市交叉口的轨迹预测研究通常假设可获得可靠的鸟瞰图(BEV)运动历史,而这在实践中需要 LiDAR、航拍视图、高清地图或标定基础设施等昂贵资源。我们针对这一从感知到预测的上游问题,在推理时仅利用安装在现有城市基础设施上、高度可变的成对对角 RGB 相机来重建并预测智能体的 BEV 轨迹。我们提出对角轨迹重建与预测架构(OCTR2A),这是一个模块化流水线,集成了逐视图检测与类别细化、几何跨相机匹配、基于 transformer 的 BEV 投影以及自我中心 GRU 预测,以级联方式训练,并主要采用软多尺度空间重叠损失进行监督。由于没有公开基准提供这种传感配置,我们推出 R3ST++,这是一个基于 Blender、由 SIND 轨迹构建的合成基准,提供同步的对角视图、跨视图对应关系和 BEV 真值,同时也可作为部署支持模拟器用于站点特定微调。在这些数据集上的实验表明,在 10\,Hz 下使用 12 个观测帧和 12 个预测帧时,OCTR2A 在单块消费级 GPU 上实时达到投影~-~预测 ADE/FDE 为 0.144/0.140~-~0.154/0.241~米。在真值 BEV 历史数据上评估时,预测模块在 SIND 上相比最强的最先进方法在 ADE/FDE 上分别提升 66.7\%/41.7\%。在 TUMTraf-V2X 上的迁移实验表明,R3ST++ 预训练支持适应具有不同传感配置的真实路侧域。
主题: 计算机视觉与模式识别(cs.CV);人工智能(cs.AI);机器学习(cs.LG)
引用为: arXiv:2611.24352 [cs.CV]
  (或 arXiv:2611.24352v1 [cs.CV] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.24352

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Emanuele Iacobelli [查看电子邮件]
[v1] 2026年11月18日星期三 12:47:15 UTC(17,141 KB)

来源:arXiv cs.AI · arxiv.org