Predikce budoucí trajektorie chodců pro autonomní auta

Abstract

V této práci se zabývám problémem predikce budoucí trajektorie chodců pro autonomní auta. Popisuji datové sady PIE a JAAD a jejich parametry. Dále zde představuji současný stav vývoje této problematiky a popisuji fungování jednotlivých řešení. Provedl jsem analýzu chybovosti metody BiTraP, na základě čehož jsem navrhl vlastní řešení predikce trajektorie chodců. To spočívá v rozlišení skutečného pohybu chodce od pohybu snímajícího auta. Navrhované řešení předpovídá tyto dvě složky pohybu zvlášť a pro každou z nich využívá jinou metodu predikce. Práce také studuje vliv jednotlivých kontextuálních informací na přesnost navrhovaného prediktoru. Výsledný model dosahuje o 9 % nižší chybovosti než jakou vykazuje výchozí metoda při predikci v horizontu 1.5 s.

In this thesis, I address the problem of predicting future trajectories of pedestrians for autonomous vehicles. I describe the PIE and JAAD datasets along with their parameters. Furthermore, I present the current state of development in this area and describe of how the state-of-the art predictors work. I have created error analyses of the BiTraP method, based on which I propose my own solution for predicting pedestrian trajectories. The proposed method tries to distinguish real world the pedestrian movement from the ego-motion of the vehicle. The solution predicts these two motions separately and utilizes a different prediction method for each of them. The thesis also examines the influence of various contextual information on the accuracy of the proposed trajectory predictor. The model achieves a 9 % lower error rate than the baseline when predicting trajectories within a 1.5-second horizon.