.png){kind=icon}
返回
Roadside LiDAR-Filtering Method Based on a Partial Background Optimization Method
.png){kind=icon}
PRE
AI
DOI：10.1061/JTEPBS.TEENG-9160.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
背景滤波是使用路侧光探测与测距（LiDAR）传感器进行交通信息采集的关键步骤，因为其性能直接影响到下游感知任务的准确性。在本文中，我们提出了一种基于背景构建的滤波方法，该方法融合了区域特定优化框架，以提高背景构建的准确性，从而增强背景滤波的整体性能。具体而言，我们引入了一种基于网格划分和扫描频率特征的区域划分策略，建立了与实际交通场景更强的关联。随后，我们对不同区域应用不同策略，包括基于点分布的策略、基于占用分数的策略和基于统计分析的策略，以构建更准确且自适应的背景模型。最后，我们在一个开源数据集上评估了我们的方法。实验结果表明，所提出的方法能够构建准确的背景点云，并在平均交并比（mIOU）和总体准确率（OA）方面优于其他现有的滤波方法。
Keyword:
Roadside light detection and ranging (LiDAR)
Background construction
Background filtering
Background optimization
Online filtering
期刊
J
IF:
2.1
论文数:
130
被引数:
1.9K
机构
引用论文
Background Point Filtering of Low-Channel Infrastructure-Based LiDAR Data Using a Slice-Based Projection Filtering Algorithm.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏分享收藏分享收藏VoxelNet: End-to-End Learning for Point Cloud Based 3D Object DetectionVoxelNet: 基于点云的3D物体检测的端到端学习OAAI
OAAI分享收藏
查看更多内容