交通機関参加者の軌道予測シリーズ

1. 論文読んだよ
“Vehicle trajectory prediction
based on motion model
and maneuver recognition”
summarized by oei
Houenou, Adam
Bonnifait, Philippe
url : http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=6696982

2. コンテンツ
I. INTRODUCTION
II. SYSTEM OVERVIEW
III. MANEUVER RECOGNITION MODULE (MRM)
IV. TRAJECTORY PREDICTION
a. Trajectory prediction based on maneuver recognition(Tman)
1. Initial state ofthe trajectories in the Frenet frame
2. Final state of the trajectories in the Frenet frame
3. Lateral component description
4. Longitudinal component description
5. Best trajectory selection by minimization of a cost function
b. Trajectory prediction with motion model (Tmdl)
c. Combining Tman and Tmdl
V. EXPERIMENTAL RESULTS
a. Maneuver recognition
b. Trajectory prediction
VI. CONCLUSION AND FUTURE WORKS

3. どんなもの？
• 運動モデルと操縦意図認識に基づく車両軌道予測
• 他の交通機関参加者の軌道を予測して衝突回避に使いたい
• 自己の軌道も必要
• それの新手法提案(運動モデルベースと意図予測ベースの組み合
わせ)

4. 先行研究と比べてどこがすごい？
• 本論文ではこの二つを組み合わせた手法を提案
• 意図認識モジュールが高い正解率を示した
• 最終的な軌道予測がより良い精度を有することを示している
運動モデルに基づく軌道予測
(Tmdl)
• 短期の予測に適する
操縦意図認識に基づく軌道予測
(Tman)
• 長期の予測に適する

5. システムの全体図

6. 技術や手法のキモはどこ？
• 運動学と意図予測の組み合わせがキモ
• 運動学による軌道予測：
一定角速度と加速度運動モデルの物理制約
による軌道予測
• 意図予測：
定義された操縦意図認識モジュールは、道路
の車線の中心線と車両の軌道の局所曲線モデ
ルとを比較することによって、所定のセットから
現在の操縦を選択する。

7. 合体するためのやーつ
時間たつと物理ゴミだからしかと

8. どうやって有効だと検証した？
• 事前記録された人間の実際の運転データでテストされた

9. 結果1
予測軌道誤差のユークリッド距離が示されてる
物理制約瞬間的にはすばら
意図予測は時間たってもすばら
コンビ最強

10. 結果2
Set of trajectories : 選択肢
Actual path : 実際のパス
Tman : 意図予測から
Tmdl : 運動制約から
Tfin : コンビ

11. 議論はある？
• 結果2の図keep laneのケースも欲しかった気がする

12. 次に読むべき論文は？
• Probabilistic Trajectory Prediction with Gaussian Mixture Models