May, 2022
基于时空学习的动态环境下未来占据栅格的预测
Predicting Future Occupancy Grids in Dynamic Environment with Spatio-Temporal Learning
Khushdeep Singh Mann, Abhishek Tomy, Anshul Paigwar, Alessandro Renzaglia, Christian Laugier
TL;DR我们提出了一种时空预测网络管道,它可以从环境和语义标签中获取过去的信息来生成未来的占用预测,并将其应用于复杂的 nuScenes 数据集中,相较于当前 SOTA,我们的方法可以预测长达 3 秒的占用情况,并不需要 HD-Maps 和明确模拟动态物体。