基于多模空间数据的基础设施数字化关键技术研究
提出了一种基于语义标注的点云数据的自动道路几何数字孪生(gDT)创建方法,该方法首先将语义点云数据分割为独立实例或部分,然后提取代表性的几何信息,最后通过相应的转换算法创建基本的 gDT,提供了较高的精度和处理速度。
Jun, 2024
该研究探讨了数字孪生(DT)在提升密集人口城区中的网络性能方面的潜力,具体关注车辆网络。研究包括两个阶段,第一阶段利用交通数据和人工智能聚类来确定关键位置,尤其是在事故率高的拥挤城区。第二阶段评估了通过三种部署场景对车辆网络进行孪生的优势:基于边缘的孪生、基于云的孪生和混合孪生。我们的分析表明,孪生显著减少了网络延迟,虚拟孪生优于物理网络。虚拟孪生即使在车辆密度增加的情况下,如 300 辆车的情况下,仍保持较低的延迟,例如 15.05 秒。此外,在某些情境中,云孪生的计算速度较快,是边缘孪生的 1.7 倍。这些发现为高效车辆通信提供了见解,并强调在做出部署决策时考虑现实因素的重要性。
Feb, 2024
本文提出了使用联邦学习等隐私启用机器学习技术来检测路况,并在斯里兰卡提出实施国家道路系统的数字孪生的想法,以促进联合国可持续发展目标 9 的实现,“建设具有弹性的基础设施,促进包容性和可持续的产业化和创新”。
Jul, 2021
本文提出了一个新颖的数字孪生原型,用于学习能力的自动驾驶车辆,其主要目标是进行交通标志识别和车道保持。数字孪生架构依赖于联合仿真,采用了功能模拟接口和 SystemC 事务级建模标准。数字孪生由四个客户端组成,即 i)在 Amesim 工具中设计的车辆模型,ii)在 Prescan 中开发的环境模型,iii)在机器人操作系统中设计的车道保持控制器,以及 iv)在 BIP(行为、交互、优先级)的形式建模语言中开发的感知和速度控制模块。这些客户端与数字孪生平台 PAVE360-Veloce System Interconnect(PAVE360-VSI)进行接口。PAVE360-VSI 充当联合仿真协调器,负责通过服务器进行同步、互连和数据交换。服务器在不同客户端之间建立连接,并确保遵守以太网协议。最后,我们给出了数字孪生仿真和未来工作的建议。
Feb, 2024
本论文介绍了一种利用提升式激光雷达(LiDAR)传感器的能力,通过转变交通场景中的三维物体检测和分析的框架来改善在城市环境中的三维物体检测能力。利用模拟器生成三维点云数据集,通过训练和评估三维物体检测模型,准确识别和监测模拟城市交通环境中的车辆和行人。针对由模拟交通生成的大量点云数据,优化了基于点体素区域的卷积神经网络(PV-RCNN)架构,提升了其处理和理解能力。实验结果表明所提出的解决方案在准确检测交通场景中的物体方面的有效性,并强调了激光雷达对提升城市安全和推动智能交通系统的作用。
May, 2024
VH-Twin 是一个基于时间序列数据驱动的框架,通过竖直同构和水平同构阶段,以及基于地理和无线特性的网络区域的周期性聚类机制,有效地将无线网络映射到数字现实中。通过使用实际的无线网络流量数据,在细胞无线网络中进行综合实验,验证了 VH-Twin 构建、部署和维护网络数字孪生的有效性。参数分析还提供了在规模上在孪生效率和模型准确性之间取得平衡的见解。
Apr, 2024
在这篇论文中,我们利用 3D 点云构建了一个适用于变化检测的网络,并提出了一种新的适用于变化检测的模块 Cross transformer。同时,我们使用我们的网络对隧道数据进行变化检测的测试实验。
Sep, 2023
本文介绍了一种新的基础设施传感器的多模 3D 物体检测器 InfraDet3D,有效结合了两个 LiDAR 和单目相机数据,通过早期融合方法提高检测效果,并将 HD 地图应用于单目 3D 检测模块,以提升其最终的感知结果;该系统在德国慕尼黑的 A9 测试区域进行了实际部署和评估,得到了 68.48 的 mAP 测试结果,同时数据集和代码也提供给研究社区进行进一步的研究。
Apr, 2023
通过综合感知和通信技术,提出了一种利用图像和雷达数据合成激光雷达点云的方法,从而增强无线通信系统的性能,并通过与现有感知模态的整合,提高各种无线应用的表现。
May, 2024