urban traffic | BriefGPT - AI 论文速递

关键词urban traffic

搜索结果 - 9

提升城市交通管理：用于数据收集和高级目标检测分析的高架式 3D 激光雷达
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
PDF2 months ago
城市尺度多摄像头多目标跟踪的改进：基于位置感知跟踪和盒粒度匹配
多相机多目标跟踪（MCMT）是一种计算机视觉技术，用于在多台相机上同时跟踪多个目标。本文介绍了一种名为 CityTrack 的新型 MCMT 框架，其中包括一种集成了各种先进技术的位置感知 SCMT 追踪器以及一种用于 ICA 模块的新颖的
PDFa year ago
混合交叉口场景下的意图感知决策
本文提出了一种针对行人和自动驾驶汽车在无红绿灯的过街场景中交互的白盒意图感知决策方法，并提供了一个设计框架。作者采用黑盒意图检测和白盒决策的混合方法实现了类人行为和预防死锁，此方法计算量低并能考虑不同的行人行为。
PDFa year ago
混合特征融合的行人停留和前行预测
本文提出了新的任务：行人停止和行走预测，并介绍了一个包括多个场景和行为的数据集，以及一个融合多种上下文的混合模型，用于提高行人运动预测算法的鲁棒性，并在数据集上验证了该模型的性能。
PDF2 years ago
使用图 LSTM 中的谱聚类预测道路行驶体轨迹和行为
本研究提出了一种新的方法，基于谱图分析和深度学习，预测城市交通情景中的交通流量变化和道路代理的行为以及规律，通过一种加权动态几何图（DGG）表示路代理之间的距离，并提出一种基于谱聚类的新型正则化算法，有效降低预测误差并提高预测精度，经验证，
PDF5 years ago
GRIP++：增强的基于图的交互感知自动驾驶轨迹预测
本研究描述了一种改进方案 GRIP ++，其使用静态和动态图形来预测不同类型的交通元素的轨迹；GRIP ++ 在街区交通数据集 ApolloScape 上完成了实验，取得了比最先进方案更好的预测精度，其运行速度比 CS-LSTM 方案快出
PDF5 years ago
CVPRCityFlow：针对多目标多摄像头车辆跟踪和再识别的城市规模基准测试
本文介绍了 CityFlow 数据集，它是一个城市级交通相机数据集，包括来自 40 个摄像头的 3 个多小时的高清视频，涵盖 10 个路口，最大距离为 2.5 公里，共包含超过 200K 个标注边界框。这个数据集为 MTMC 跟踪，MTSC
PDF5 years ago
城市交通中行人动作和意图识别
本研究使用多种特征提取方法和机器学习算法，使用 JAAD 数据集为基础，聚焦于行人运动和头部方向的检测，达到了 72% 和 85% 的准确率，能有效解决自动驾驶和高级驾驶辅助系统中的行人意图和行动识别问题。
PDF6 years ago
ICML基于安全学习的自动驾驶最优运动规划
本文提出了使用机器学习的启发式搜索方法来实现城市道路自动驾驶的优化路径规划，以解决动态障碍物对路线规划的影响问题。
PDF6 years ago