Key points are not available for this paper at this time.
Este artigo relata um correspondedor de varredura multirresolução rápido para localização de veículos em ambientes urbanos para carros autônomos. Abordagens de ponta para localização de veículos dependem da observação da refletividade da superfície da estrada com um scanner LIDAR (detecção e medição de luz) tridimensional (3D) para alcançar uma precisão de nível centimétrico. No entanto, essas abordagens podem frequentemente falhar quando enfrentam condições climáticas adversas que obscurecem a visão da pintura da estrada (por exemplo, poças e nevascas) ou textura inadequada da superfície da estrada. Propomos um novo algoritmo de correspondência de varredura que aproveita mapas de mistura gaussiana para explorar a estrutura do ambiente; esses mapas são uma coleção de misturas gaussianas sobre a distribuição da altura z. Alcançamos desempenho em tempo real desenvolvendo uma nova abordagem multirresolução de ramificação e limitante, que faz uso de tabelas de busca rasterizadas dessas misturas gaussianas. Resultados são apresentados em dois conjuntos de dados que têm 3,0 km: uma trajetória padrão e outra sob condições climáticas adversas.
Wolcott et al. (Sex,) estudaram esta questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: