• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Information Fusion >Detection and Tracking on Automotive Radar Data with Deep Learning
【24h】

Detection and Tracking on Automotive Radar Data with Deep Learning

机译：借助深度学习对汽车雷达数据进行检测和跟踪

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Reliable tracking of road users plays a critical part on the way to safe automated driving. In this paper, a machine learning based tracking approach on radar data is presented utilizing the radar target point clouds from multiple time steps as input to detect road users and to predict their tracking information. The detection and tracking of objects is achieved by applying a combination of known feature extractors from lidar and camera detection tasks. The generated feature maps are used as input to two branches - one branch for detection and one for tracking. In experiments on an extensive real-world radar data set, the proposed model achieves promising results in tracking performance compared to a basic clustering and a classification assisted tracking approach.
机译：可靠地跟踪道路使用者在安全自动驾驶的道路上起着至关重要的作用。在本文中，提出了一种基于机器学习的雷达数据跟踪方法，该方法利用来自多个时间步的雷达目标点云作为输入来检测道路用户并预测其跟踪信息。通过应用来自激光雷达和相机检测任务的已知特征提取器的组合，可以实现对对象的检测和跟踪。生成的特征图用作两个分支的输入-一个分支用于检测，一个分支用于跟踪。在大量真实世界雷达数据集上的实验中，与基本聚类和分类辅助跟踪方法相比，该模型在跟踪性能方面取得了可喜的结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号