RasterNet：利用激光雷达与俯视影像对自由流速度进行建模
计算机视觉与模式识别
2020-06-16 v1
摘要
道路自由流速度反映了低交通流量条件下的典型车辆速度。对自由流速度进行建模是交通工程中的一个重要问题，应用于高速公路系统的各种设计、运营、规划和政策决策。不幸的是，收集大规模的历史交通速度数据既昂贵又耗时。传统的自由流速度估算方法使用底层路段的几何属性，如坡度、曲率、车道宽度、侧向净空和接入点密度，但对于许多道路而言，这些特征并不可用。我们提出了一种全自动方法 RasterNet，用于在无需显式几何特征的情况下估算自由流速度。RasterNet 是一种神经网络，它利用地理空间一致的栅格结构融合大规模光学影像和航空激光雷达点云。为了支持训练和评估，我们引入了一个结合了肯塔基州全州道路路段自由流速度、光学影像和激光雷达点云的新数据集。我们的方法在基准数据集上取得了最先进的结果。
引用
@article{arxiv.2006.08021,
title = {RasterNet: Modeling Free-Flow Speed using LiDAR and Overhead Imagery},
author = {Armin Hadzic and Hunter Blanton and Weilian Song and Mei Chen and Scott Workman and Nathan Jacobs},
journal= {arXiv preprint arXiv:2006.08021},
year = {2020}
}