PulseAugur
中
实时 13:25:13
English(EN) V2I Work Zone Geometry Reconstruction with Pose-Conditioned UWB Range Denoising

AI模型改进UWB测距，助力自动驾驶车辆在施工区域导航

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的方法，利用联网和自动驾驶汽车（CAVs）的超宽带（UWB）测距数据来重建施工区域的几何形状。该方法采用一种受姿态约束的、置换不变的预测去噪器，以提高UWB测距估计的准确性，这些估计常因异常值和非视距误差而降低。该系统将车辆运动作为几何先验，并在真实现场数据上进行了评估，显示出测量加权均方误差的显著降低。 AI

影响 提高自动驾驶车辆在复杂道路环境中导航的安全性和效率。

排序理由 这是一篇详细介绍用于特定应用的新AI模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Jiaxi Liu, Hangyu Li, Yang Cheng, Rui Gana, Junwei You, Weizhe Tang, Peng Zhang, Steven T. Parker, Xiaopeng Li, Bin Ran ·

    V2I Work Zone Geometry Reconstruction with Pose-Conditioned UWB Range Denoising

    arXiv:2606.00119v1 Announce Type: cross Abstract: Reliable work zone mapping is important for connected and autonomous vehicles (CAVs) to navigate safely and smoothly through work zone areas. Cone-mounted ultra-wideband (UWB) roadside units (RSU) offer a cost-effective way for wo…

相关实体

相关话题