El seguimiento de vehículos multiobjetivo y la estimación del estado de movimiento son cruciales para controlar el vehículo anfitrión con precisión y evitar colisiones. Sin embargo, los métodos actuales de seguimiento multiobjetivo no son adecuados para tratar los problemas de los vehículos múltiples debido a la complejidad dinámica del entorno de conducción. Los sistemas de percepción del entorno de conducción, como componente indispensable de los vehículos inteligentes, tienen el potencial de resolver este problema desde la perspectiva del procesamiento de imágenes. Así, este estudio propone un novedoso sistema de percepción del entorno de conducción de vehículos inteligentes mediante el uso de métodos de aprendizaje profundo para rastrear vehículos multiobjetivo y estimar sus estados de movimiento. En primer lugar, se diseña e implementa una red neuronal de segmentación panorámica que soporta el entrenamiento de extremo a extremo, que se compone de segmentación semántica y segmentación de instancia. Se establece un modelo de cálculo de profundidad del entorno de conducción añadiendo una rama de estimación de profundidad al módulo de extracción y fusión de características de la red de segmentación panorámica. Estas redes neuronales profundas se entrenan y prueban en el conjunto de datos Mapillary Vistas y en el conjunto de datos Cityscapes, y los resultados muestran que estos métodos funcionan bien con una alta precisión de reconocimiento. A continuación, se utilizan el filtrado de Kalman y el algoritmo húngaro para el seguimiento de vehículos multiobjetivo y la estimación del estado de movimiento. La eficacia de este método se comprobó mediante un experimento de simulación, y los resultados mostraron que la relación relativa (es decir, la velocidad relativa y la distancia) entre varios vehículos se puede estimar con precisión. Los resultados de este estudio pueden contribuir al desarrollo de vehículos inteligentes para alertar a los conductores de posibles peligros, ayudarles a tomar decisiones y mejorar la seguridad del tráfico.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Investigación sobre el modelo de optimización de la ruta de los camiones de transporte logístico teniendo en cuenta el impacto medioambiental: Datos experimentales del distrito de Xiqing, Tianjin
Artículo:
Demanda y oferta de aparcamiento: Un enfoque basado en la optimización en un campus universitario
Artículo:
Optimización basada en la resiliencia de la estrategia de restauración de redes de carreteras tras una catástrofe
Artículo:
Modelo mejorado de análisis robusto de componentes principales para la detección de anomalías en el flujo de pasajeros del metro
Informe, reporte:
Modelo de transporte interfronterizo seguro
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.