VectorNet-Encoding HD Maps and Agent Dynamics from Vectorized Representation 基于Transformer的轨迹预测模型

已于 2024-02-18 15:41:24 修改
阅读量811 收藏 5
点赞数 23
分类专栏： 前沿论文解读 文章标签： transformer 深度学习 人工智能 轨迹预测 自动驾驶
于 2024-02-13 17:32:40 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/CSDNhuaong/article/details/136107796
版权

VectorNet 是清华MARS Lab和Google Waymo联合在CVPR2020提出的一个基于Transformer的轨迹预测模型。在比较丰富和均衡的自动驾驶数据集上进行实际应用，效果还是相当优异的。
在这里插入图片描述
为了做好交互场景中障碍物车辆和行人的轨迹预测，需要考虑地图的静态特征和障碍物运动的动态特征。
VectorNet的设计思想是将地图的静态特征和障碍物运动的动态特征进行统一的向量化表达，然后利用Transformer进行Encoder和Decoder，进行障碍物的轨迹预测。

VectorNet特征向量化表达

一、对于特征的表达
在这里插入图片描述
其他方法：像素栅格化的特征表示：

  • render trajectories of moving agents and road context information as bird-eye images
  • and encode them with convolutional neural networks (ConvNets) ࿰
最低0.47元/天 解锁文章
一銤阳光
关注
  • 23
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
Transformer入门-轨迹预测实例解析
Oxalate的博客
04-05 9041
比较适合做Transformer入门练手的例子，有助于理解模型结构。
ECCV 2020 | STAR:基于Transformer的行人轨迹预测模型（一）
周周周周周大帅的博客
05-25 6663
这是一篇ECCV 2020 行人轨迹预测的文章，在这里对论文进行浅浅的翻译。当然，由于水平的局限，有些地方只能意译。 论文链接：Spatio-Temporal Graph Transformer Networks for Pedestrian Trajectory Prediction Abstract 理解人群动态运动对真实世界的一些应用，例如监控系统、自动驾驶来说是非常重要的。这是具有挑战性的，因为它（理解人群动态运动）需要对具有社会意识的人群的空间交互和复杂的时间依赖性进行建模。我们认为，注.
Trajectory-Transformer:“用于轨迹预测的变压器网络”的代码
05-29
用于轨迹预测的 Transformer 网络 这是论文的代码 要求 pytorch 1.0+ 麻木 西比 熊猫 张量板 （项目中包含的是修改版） 用法 数据设置 数据集文件夹必须具有以下结构： - dataset - dataset_name - train_folder - test_folder - validation_folder (optional) - clusters.mat (For quantizedTF) 个人变压器 要训​​练，只需运行具有不同参数的train_individual.py 示例：训练 eth 的数据 CUDA_VISIBLE_DEVICES=0 python train_individualTF.py --dataset_name eth --name eth --max_epoch 240 --bat
轨迹预测论文之七：SCENE TRANSFORMER A UNIFIED ARCHITECTURE FOR PREDICTING MULTIPLE AGENT TRAJECTORIES
海里的果
03-26 1440
老文章分享多了，来看一篇预测领域比较新的论文，是2021年下半年的论文SCENE TRANSFORMER。视觉领域在VIT出来后的21年，各种变种的Vit如雨后春笋一般出现，迅速在视觉领域攻城掠地。到现在TRANSFORMER已经是各个领域最normal的一种结构了，预测领域也不例外。文章提出了一种对多目标轨迹预测的统一的框架，直观感觉，与之前最大的不同，就是大量使用attention结构进行信息交互。
Transformers预测未来：关注下一帧和时间序列预测
zzh1464501547的博客
10-29 4925
Transformers预测未来：关注下一帧和时间序列预测 关注人工智能学术前沿 回复 ：ts35 5秒免费获取论文pdf文档，及项目源码 摘要 直到最近，递归神经网络还是捕获时序相关性的最佳方法之一。然而，随着Transformer的引入，已经证明了只有注意机制而没有任何RNN的体系结构可以改进各种序列处理任务(例如NLP)的结果。此后的多项研究表明，类似的方法可以应用于图像、点云、视频、音频或时间序列预测。此外，诸如Perceiver或 Informer等解决方案已经被引入，以扩
VectorNet源代码（GNN+Attention+MLP）《VectorNet: Encoding HD Maps and》
01-17
Argoverse-Tracking provides track annotations, egovehicle poses, and undistorted, raw data from camera (@30hz) and lidar ... 《VectorNet: Encoding HD Maps and Agent Dynamics from Vectorized Repre》
Hive-Vectorized-Query-Execution-Design.pdf
04-18
hive 向量化执行的设计说明。通过在单个操作中获取 1024 行，而不是每次只获取单行来改善 scans、aggregations、filters 和 join 这类操作的性能。
Vectorized Solar Azimuth and Elevation Estimation：预测由大地纬度、经度、高度和世界时定义的太阳地心位置-matlab开发
05-30
在任何大地纬度、经度和高度预测 +/- 1 度范围内的太阳方位角和仰角。 由于大众需求，此例程已被矢量化以提高速度。 函数调用：[Az El] = SolarAzEl('2008/02/18 13:10:00',60,15,0) 输入清单： UTC日期和时间-...
Python库 | torch-vectorized-0.1.10.tar.gz
04-16
资源分类：Python库 所属语言：Python 资源全名：torch-vectorized-0.1.10.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
DFT的matlab源代码-VectorNet:VectorNet的实现。完成和失败
05-26
DFT的matlab源代码 VectorNet implementation Usage The "data" folder needs following structure: data |--argoverse-forecasting | |--forecasting_sample | | |--data | | | |--xxxx.csv | | | |--... | |--forecasting_train_v1.1 | | |--data | | | |--xxx.csv | | | |--... | |--forecasting_val_v1.1 | | |--data | | | |--xxx.csv | | | |--... | | python test_forward_backward.py Negetive Gaussion loglikehood 首先参考似然函数的形式: 而后是对数似然函数的形式: 高斯分布的函数为: 对应的负对数似然函数: Representing HD maps and trajectories 训练与测试都是以 scenario 为单元的
Everything About Compiled and Vectorized
10-20
本文“Everything About Compiled and Vectorized”探讨了两种现代数据库系统中广泛采用的查询处理范式：编译式和向量化。这两种方法在系统架构和执行代码上有着根本性的差异，但都致力于构建快速响应的系统。 编译...
Vectorized multimodal LSTM using Matlab and GPU.zip
07-23
在本项目中，“Vectorized multimodal LSTM using Matlab and GPU”主要关注如何利用Matlab环境以及GPU加速来实现向量化的多模态长短期记忆网络（LSTM）。LSTM是一种特殊的循环神经网络（RNN），特别适合处理序列...
Python库 | torch-vectorized-0.0.2.tar.gz
03-11
《Python库torch-vectorized-0.0.2详解》 在Python编程领域，库的使用是提高开发效率和实现复杂功能的重要手段。今天我们要探讨的是一个名为`torch-vectorized`的库，它与版本号0.0.2的压缩包文件`torch-vectorized...
Vectorized Bloom Filters for Advanced SIMD Processors - Columbia - Slides-计算机科学
04-22
Vectorized Bloom Filters for Advanced SIMD ProcessorsOrestis Polychroniou! Kenneth A. RossBloom filters✤ Introduction! ✤ Original version [Bloom 1970]!✤ Represents a “set of items”!✤ Answers: ...
论文阅读笔记：时空注意力行人轨迹预测
m0_37836825的博客
06-08 1606
这篇论文的名称是《A Spatial-Temporal Attention Model for Human Trajectory Prediction》作者的思路来源于两个当前研究gong'z
VectorNet详解
qq_52053775的博客
12-31 2285
本篇论文主要做了三个方面的事情:特征工程不同与以前的方法，将车辆行驶收集的信息用一张全局的图像来表示，论文提出用向量表示车辆行驶过程中收集的各种信息。2. 层次图神经网络论文构建了一种层次图神经网络，层次，即首先各个实体比如车辆、红绿灯等自身构建一个子图，然后将这些子图再连接成一层图。3.辅助任务。
轨迹预测算法vectorNet调研报告
热门推荐
weixin_44077556的博客
02-10 1万+
传统的行为预测方法是规则的，基于道路结构的约束生成多个行为假设。最近，很多基于学习的预测方法被提出。他们提出了对于不同行为假设的进行概率解释的好处，但是需要重构一个新的表示来编码地图和轨迹信息。有趣的是，虽然高精度地图是高度结构化的，但是目前大多数预测方法选择将高精度地图渲染成颜色编码的属性，并且采用感受野有限的卷积神经网络对场景信息进行编码。这带来一个疑问：能否直接从结构化的高精度地图中学习到有意义的场景信息表示？
HiVT、VectorNet运动预测方法分析
最新发布
07-25 2277
分别介绍了VectorNet和HiVT的原理，并对比了两种方法的异同点。
解释一下这段话The vectorized single-channel feature map of the base sample is denoted as and the vectorized single-channel feature maps of base background samples are denoted as .
06-03
这段话是在描述一个基本样本及其背景样本的特征表示方式。其中，基本样本的单通道特征图被向量化并表示为$\mathbf{x}$，背景样本的单通道特征图也被向量化并表示为$\mathbf{y}$，这些向量分别代表了图像中不同位置的特征信息，例如图像的颜色、纹理、形状等。通过向量化，可以更方便地对这些特征进行处理和分析，从而实现图像识别、分类和检测等任务。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一銤阳光

希望分享的内容对你有帮助

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值