Loading...
机构名称:
¥ 1.0

尽管对增强自动驾驶汽车的感知系统的兴趣越来越大,但事件摄像机和激光镜头之间的在线量化是在捕获全面的环境信息方面的两个传感器,但无法探索全面的环境信息。我们介绍了Muli-ev,这是第一个针对用LIDAR对事件摄像机进行型校准的基于深度学习的框架。此范围对LIDAR和事件摄像机的无缝集成至关重要,从而实现了动态的实时校准调整,这对于保持最佳传感器对齐方式至关重要。对DSEC数据集中介绍的现实世界的严格评估,Muli-ev不仅可以实现校准精度的实质性提高,而且还为在移动平台中的事件摄像机集成了LIDAR。我们的发现揭示了Muli-ev在自主驾驶中增强感知系统的安全性,可靠性和整体性能的潜力,这标志着其现实世界的部署和有效性迈出了重要一步。

muli-ev:保持不受干扰的激光雷达 - 事件校准

muli-ev:保持不受干扰的激光雷达 - 事件校准PDF文件第1页

muli-ev:保持不受干扰的激光雷达 - 事件校准PDF文件第2页

muli-ev:保持不受干扰的激光雷达 - 事件校准PDF文件第3页

muli-ev:保持不受干扰的激光雷达 - 事件校准PDF文件第4页

muli-ev:保持不受干扰的激光雷达 - 事件校准PDF文件第5页

相关文件推荐

2025 年
¥1.0
2021 年
¥1.0
2024 年
¥1.0
2007 年
¥1.0
2023 年
¥1.0
2025 年
¥1.0
2025 年
¥1.0
2024 年
¥6.0
2024 年
¥5.0
2025 年
¥2.0
2025 年
¥4.0
2024 年
¥1.0
2024 年
¥1.0
2025 年
¥1.0
2025 年
¥7.0
2024 年
¥14.0
2025 年
¥1.0
2025 年
¥1.0
1900 年
¥5.0
2024 年
¥38.0
2024 年
¥1.0
2024 年
¥1.0
2025 年
¥3.0
2024 年
¥1.0
2024 年
¥1.0