基于光流的自主驾驶运动检测

运动检测是自动驾驶领域中一个基本但具有挑战性的任务。特别是在高速公路等特定场景中，远程物体需要特别关注，以提高控制决策的质量。针对远距离车辆，我们训练了一个神经网络模型，利用光流场信息作为输入来分类其运动状态。实验结果显示该方法具有高精度，表明我们的思路是可行且有前景的。此外，该训练模型对近处车辆也表现出可接受的性能。我们的工作是在PyTorch框架下实现的，并使用了包括nuScenes、FastFlowNet和RAFT在内的开源工具。可视化视频可在以下链接查看：https://www.youtube.com/playlist?list=PLVVrWgq4OrlBnRebmkGZO1iDHEksMHKGk 。