摘要
在辅助驾驶和自动驾驶系统的进步中，近期识别和分割方法的进展发挥了重要作用。然而，我们仍然面临将可靠的驾驶技术应用于城市内部区域的挑战，因为这些区域包含从高速移动平台观察到的高度动态场景。为了及时反应并预防事故，预测能力成为关键因素。本文认为，至少需要预测1秒的时间，并提出了一种新的模型，该模型能够联合预测自我运动（ego motion）和人员轨迹在如此长的时间范围内。我们特别关注建模由于自然交通场景的非确定性性质而产生的估计不确定性。实验结果表明，在所需时间范围内确实可以预测人员轨迹，并且我们的不确定性估计能够反映预测误差。此外，我们还证明了轨迹序列建模以及我们提出的长期里程计预测方法对于实现最佳性能至关重要。