Representación de carreteras 2D basada en grafos de nubes de puntos 3D para vehículos inteligentes

La conciencia situacional integral es fundamental para la efectividad de las funciones de navegación propietarias y de nivel superior de los vehículos inteligentes. En este artículo, abordamos un enfoque basado en grafos para la representación de carreteras 2D de nubes de puntos 3D con respecto a la topografía de la carretera. Empleamos las señales de gradiente de la geometría de la carretera para construir un Campo Aleatorio de Markov (MRF) e implementar un algoritmo eficiente de propagación de creencias (BP) para clasificar el entorno de la carretera en cuatro categorías, es decir, la región alcanzable, la región transitable, la región de obstáculos y la región desconocida. El enfoque propuesto puede superar una amplia variedad de desafíos prácticos, como terrenos inclinados, superficies de carretera rugosas, rodamiento/balanceo del vehículo anfitrión, etc., y representar el entorno de la carretera de manera precisa y robusta. Los resultados experimentales en entornos típicos pero desafiantes han confirmado que el enfoque propuesto es más sensible y confiable que el análisis convencional de desplazamientos verticales y muestra un rendimiento superior frente a otros clasificadores locales.