Bewegungserkennung auf Basis von Optischem Fluss für Autonome Fahrzeuge

Die Bewegungserkennung ist eine grundlegende, aber herausfordernde Aufgabe für autonomes Fahren. Insbesondere in Szenarien wie Autobahnen muss besondere Aufmerksamkeit auf ferne Objekte gerichtet werden, um bessere Steuerungsentscheidungen treffen zu können. Mit dem Ziel, die Bewegungszustände von fernen Fahrzeugen zu klassifizieren, trainieren wir ein neuronales Netzwerkmodell unter Verwendung von optischen Flussfeldinformationen als Eingabe. Die Experimente erzielen hohe Genauigkeit und zeigen, dass unsere Idee machbar und vielversprechend ist. Das trainierte Modell erreicht auch eine akzeptable Leistung bei nahegelegenen Fahrzeugen. Unsere Arbeit wurde in PyTorch implementiert. Offene Tools wie nuScenes, FastFlowNet und RAFT wurden verwendet. Visualisierungs-Videos sind unter folgender URL verfügbar: https://www.youtube.com/playlist?list=PLVVrWgq4OrlBnRebmkGZO1iDHEksMHKGk .