从部分重叠的路边雷达中提取车辆轨迹
Maxwell Schrader1, Alexander Hainen1, Joshua Bittle1
1Department of Mechanical Engineering, The University of Alabama, Tuscaloosa, AL 35487, USA.
Sensors (Basel, Switzerland)
|July 27, 2024
概括
这项研究引入了一种使用路边雷达提取车辆轨迹的新方法,为交通研究创建了一个大型数据集. 合并的雷达轨迹捕捉了各种驾驶场景,用于先进的交通管理和自动驾驶车辆研究.
科学领域:
- 交通工程是交通工程.
- 计算机视觉 计算机视觉
- 数据科学数据科学数据科学
背景情况:
- 准确的车辆轨迹数据对于交通流分析和自动驾驶系统至关重要.
- 现有的数据集往往缺乏足够的时间覆盖或驾驶条件的多样性.
研究的目的:
- 开发一种可靠的方法来从多个路边雷达中提取和融合车辆轨迹.
- 为交通研究创建融合雷达轨迹的综合数据集.
主要方法:
- 雷达校准和转换到Frenet空间.
- 卡尔曼过,短期预测和车道分类.
- 基于轨道交叉路口的轨道协会和共变性轨道融合.
主要成果:
- 一个数据集,包含了超过26个小时的79000个合并的雷达轨迹.
- 捕捉各种驾驶场景,包括十字路口和合并.
- 识别众多的领导者-追随者对,用于汽车跟随模型校准.
结论:
- 提出的框架和数据集在现有资源上提供了显著的优势.
- 该方法和数据对于推进交通管理和自动驾驶汽车研究具有价值.


