计算机科学>数据结构和算法
标题: 大规模自动车辆轨迹数据重建
摘要: 本文提出了一种自动轨迹数据校正方法,以纠正基于视觉的车辆轨迹数据中的常见错误。 给定来自自动视频处理算法的“原始”车辆检测和跟踪信息,我们提出了一个流水线,其中包括(a)在线数据关联算法,以匹配描述相同对象(车辆)的片段,该片段被表示为图的最小成本网络循环问题,以及(b) 一个一步轨迹校正程序,作为一个二次规划来增强原始检测数据。 该管道利用车辆动力学和物理约束,在跟踪对象变得零散时将其关联起来,消除测量噪音和异常值,并输入因碎片而丢失的数据。 我们评估了拟议的两步管道重建三个基准数据集的能力:(1)人工降级以复制上游错误的微观模拟数据集,(2)手动扰动的15分钟NGSIM数据,以及(3) 跟踪数据由I-24 MOTION系统一段16-17个摄像头记录的视频数据集合中的3个场景组成,并与相应的手动标记的地面实况车辆边界框进行比较。 所有实验都表明,协调后的轨迹提高了所有测试输入数据在广泛测量范围内的准确性。 最后,我们展示了目前部署在全尺寸I-24 MOTION系统上的软件架构的设计,该系统由276个摄像头组成,覆盖I-24 4.2英里。 我们演示了拟议对账管道的可扩展性,以每天处理大量数据。