首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

动态环境SLAM | Remove, then Revert - 基于多分辨率深度图的动态物体移除方法

剩下的部分自动构成动态地图。在论文中,作者以KITTI和senmantic KITTI数据集作为测试用例,以0.4角度分辨率作为最高分辨率,进行Remove操作。...输出:静态地图和动态地图。...流程:将所有scan划分为一个个batch;遍历每个batch,在每个batch内部;step01:以最高图像分辨率做Remove,初步区分静态地图和动态地图;step02:降低图像分辨率,做Revert...,将被误杀的点恢复到静态点集合中;step03:重复step02,直至所有设定的分辨率执行完成;step04:获得该batch范围内的最终静态地图和动态地图;将所有batch的静态地图合到一起,得到最终的静态地图...(不同分辨率层级);将所有batch的动态地图合到一起,得到最终的动态地图(不同分辨率层级);完成。

1.1K20

基于神经网络StarNet的行人轨迹交互预测算法

在论文具体的实现中,首先Hub Network的静态地图模块是通过接受所有障碍物同一时刻的位置信息、全连接网络和最大池化操作得到一个定长的特征向量;然后动态地图模块使用LSTM网络对上述的特征向量进行时序编码...Host Network首先根据行人(假设要预测第一个行人下时刻的位置)的位置 11.jpg 去动态地图中查询自己当前位置区域内的交互 12.jpg ,具体我们采用简单的点乘操作(类似于Attention...总结一下,我们提出算法StarNet的优势主要包括以下两点: 1.使用全局动态地图的形式来描述行人之间在时间和空间上的相互影响,更加合理,也更加准确。...最后,在构建时序的动态地图过程中,引入对于每个障碍物的跟踪信息。

73410

顶会论文:基于神经网络StarNet的行人轨迹交互预测算法

在论文具体的实现中,首先Hub Network的静态地图模块是通过接受所有障碍物同一时刻的位置信息、全连接网络和最大池化操作得到一个定长的特征向量;然后动态地图模块使用LSTM网络对上述的特征向量进行时序编码...去动态地图中查询自己当前位置区域内的交互 ? ,具体我们采用简单的点乘操作(类似于Attention机制)。最终自己的位置 ? 和交互 ? 一起输入LSTM网络预测下时刻的的位置 ? 。...总结一下,我们提出算法StarNet的优势主要包括以下两点: 使用全局动态地图的形式来描述行人之间在时间和空间上的相互影响,更加合理,也更加准确。...最后,在构建时序的动态地图过程中,引入对于每个障碍物的跟踪信息。

75431

基于神经网络StarNet的行人轨迹交互预测算法

在论文具体的实现中,首先Hub Network的静态地图模块是通过接受所有障碍物同一时刻的位置信息、全连接网络和最大池化操作得到一个定长的特征向量;然后动态地图模块使用LSTM网络对上述的特征向量进行时序编码...去动态地图中查询自己当前位置区域内的交互 ? ,具体我们采用简单的点乘操作(类似于Attention机制)。最终自己的位置 ? 和交互 ? 一起输入LSTM网络预测下时刻的的位置 ? 。...总结一下,我们提出算法StarNet的优势主要包括以下两点: 使用全局动态地图的形式来描述行人之间在时间和空间上的相互影响,更加合理,也更加准确。...最后,在构建时序的动态地图过程中,引入对于每个障碍物的跟踪信息。

1.7K60
领券