Pedestrian and Ego-vehicle Trajectory Prediction from Monocular Camera

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F21%3A00354367" target="_blank" >RIV/68407700:21230/21:00354367 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1109/CVPR46437.2021.01007" target="_blank" >https://doi.org/10.1109/CVPR46437.2021.01007</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CVPR46437.2021.01007" target="_blank" >10.1109/CVPR46437.2021.01007</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Pedestrian and Ego-vehicle Trajectory Prediction from Monocular Camera

Popis výsledku v původním jazyce

Predicting future pedestrian trajectory is a crucial component of autonomous driving systems, as recognizing critical situations based only on current pedestrian position may come too late for any meaningful corrective action (e.g. breaking) to take place. In this paper, we propose a new method to predict future position of pedestrians, with respect to a predicted future position of the ego-vehicle, thus giving a assistive/autonomous driving system sufficient time to respond. The method explicitly disentangles actual movement of pedestrians in real world from the ego-motion of the vehicle, using a future pose prediction network trained in self-supervised fashion, which allows the method to observe and predict the intrinsic pedestrian motion in a normalised view, that captures the same real-world location across multiple frames.

Název v anglickém jazyce

Pedestrian and Ego-vehicle Trajectory Prediction from Monocular Camera

Popis výsledku anglicky

Predicting future pedestrian trajectory is a crucial component of autonomous driving systems, as recognizing critical situations based only on current pedestrian position may come too late for any meaningful corrective action (e.g. breaking) to take place. In this paper, we propose a new method to predict future position of pedestrians, with respect to a predicted future position of the ego-vehicle, thus giving a assistive/autonomous driving system sufficient time to respond. The method explicitly disentangles actual movement of pedestrians in real world from the ego-motion of the vehicle, using a future pose prediction network trained in self-supervised fashion, which allows the method to observe and predict the intrinsic pedestrian motion in a normalised view, that captures the same real-world location across multiple frames.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/EF16_019%2F0000765" target="_blank" >EF16_019/0000765: Výzkumné centrum informatiky</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)

ISBN

978-1-6654-4509-2

ISSN

1063-6919

e-ISSN

2575-7075

Počet stran výsledku

9

Strana od-do

10199-10207

Název nakladatele

IEEE Computer Society

Místo vydání

USA

Místo konání akce

Nashville

Datum konání akce

20. 6. 2021

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000742075000020