【动手学轨迹预测】2.1 场景表征的坐标系

文章预览

预测的核心是理解所处的交通场景, 因此轨迹预测网络首先需要将数据处理成易于模型学习的形式, 并对输入数据进行编码. 本章将介绍常见的输入数据形式和数据编码方法. 预测模块输入数据的坐标系一般是在城市维度下的绝对坐标系下采集的, 而训练一般是按独立场景训练. 因此需要将坐标系进行适当转换. 常用的坐标系转换方法有:Scene-Centric, Agent-Centric,相对坐标系和Frenet坐标系, 接下来将介绍这几种方法. 2.1.1 以场景为中心的坐标系 Scene-Centric, 即所有目标, 地图的坐标都从全局坐标系, 转换到场景的局部坐标系下. : 局部坐标系的中心点在全局坐标系的坐标 : 目标的全局坐标系坐标 : 旋转矩阵 : 场景坐标系下的新坐标 Scene-Centric是最容易想到的表征方式, 会在场景内选取一个坐标系原点. 所有目标在同一个坐标系下, 使场景信息天然具有了全局视野. 很 ………………………………