赋能城市交通管理：升高式3D LiDAR数据采集与先进目标检测分析
计算机视觉与模式识别
2024-05-24 v1 人工智能
机器学习
摘要
近年来，光探测与测距(LiDAR)技术的发展极大地提升了城市环境中的3D目标检测能力。本文提出了一种新颖框架，通过利用升高式LiDAR传感器的能力，改变了交通场景中3D目标的检测与分析方式。我们展示了该方法在采集复杂3D点云数据方面的卓越能力，从而能够准确且详细地捕捉城市交通动态。由于获取真实世界交通数据集存在限制，我们利用模拟器生成特定场景的3D点云。为支持实验分析，我们首先模拟了各种3D点云交通相关物体。然后，我们以此数据集为基础，训练和评估我们的3D目标检测模型，在模拟城市交通环境中识别和监控车辆与行人。接着，我们对点体素区域卷积神经网络(PV-RCNN)架构进行微调，使其更适合处理和理解城市交通模拟生成的海量点云数据。我们的结果展示了所提方案在准确检测交通场景中目标方面的有效性，并强调了LiDAR在提升城市安全和推进智能交通系统中的作用。
引用
@article{arxiv.2405.13202,
title = {Empowering Urban Traffic Management: Elevated 3D LiDAR for Data Collection and Advanced Object Detection Analysis},
author = {Nawfal Guefrachi and Hakim Ghazzai and Ahmad Alsharoa},
journal= {arXiv preprint arXiv:2405.13202},
year = {2024}
}