Key points are not available for this paper at this time.
Nous proposons une méthode capable d'acquérir une représentation de carte d'occupation basée sur une grille de l'environnement de conduite local et statique autour d'un véhicule intelligent en présence d'objets dynamiques. Ceux-ci corruptent la représentation en violant les suppositions sous-jacentes du monde statique des algorithmes de cartographie de grille communs et sont donc détectés et filtrés de la carte. À cette fin, une étape subséquente est suggérée, qui identifie, groupe et fusionne les hypothèses de cellules dynamiques de manière novatrice. Ensuite, un traqueur Interacting-Multiple-Model-Unscented-Kalman-Probabilistic-Data-Association (IMM-UK-PDA) est utilisé pour classifier si les mouvements de cellule se comportent de manière cohérente avec les caractéristiques de mouvement possibles d'objets dynamiques réels ou s'ils sont simplement générés par du bruit ou un environnement statique nouvellement observé. Contrairement à de nombreuses autres approches, la méthode combine explicitement les informations des zones nouvellement occupées et libres, complète la forme des objets dynamiques seulement partiellement visibles et utilise un schéma de suivi d'objet avancé pour nettoyer la grille des corruptions d'objets dynamiques. La méthode est évaluée avec des grilles générées par un radar automobile et une caméra stéréo dans des environnements de circulation réels.
Schreier et al. (Jeu,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: