Pythonによる交通シミュレーション - Qiita
↓UXsimによる10km x 10kmの道路網での2時間に渡る6万台の車両のシミュレーション．計算時間は30秒ほど はじめに 交通シミュレーションは様々な目的に使われます．例えば，渋滞の様子を再現したり，街づくりのための分析をしたり，最近では自動運転やライドシェア，機械学習による交通制御などの先端的なトピックの実験ツールとしてよく用いられます． 既存のオープンソース交通シミュレータとしてはSUMOが非常に有名です．これは車両一台一台の動きを精密に再現する詳細な交通流シミュレータで，各種APIも整備されていて大変強力なシミュレータです． これに対し，今回ご紹介するUXsimはもう少し大局的な交通流シミュレータで，車両一台一台に注目するのではなく，渋滞がどこでどれくらい生じるかなどの大規模な交通現象を再現するものです．そのため，細かい条件設定（車の加速度とか交差点の構造とか）を気にすることな
Visual-Inertial Odometryが自動運転に与えるインパクトと応用への課題 - TIER IV Tech Blog
こんにちは、ティアフォーでVisual SLAMの研究開発をしている石田です。今回はVisual-Inertial Odometryという、カメラとIMU(慣性計測装置)を用いた経路推定手法を紹介し、これを自動運転に応用できた場合のインパクトと、応用までに乗り越えなければならない課題についてお話します。 走行経路の推定結果 なお、ティアフォーでは、「自動運転の民主化」をともに実現していく様々なエンジニア・リサーチャーを募集しています。もしご興味があればカジュアル面談も可能ですので以下のページからコンタクトいただければと思います。 tier4.jp 自動運転における自己位置推定 自己位置推定とは、名前のとおり車両やセンサーデバイスなどが地図の中でどこにいるのかを推定するための技術であり、自動運転において欠かせない要素のひとつです。自分がどこを走っているか把握できなければ迷子になってしまいます
[CV勉強会@関東 CVPR2023] 自動運転におけるBEVベース物体認識技術の進化
7/23関東CV勉強会の資料です
![[CV勉強会@関東 CVPR2023] 自動運転におけるBEVベース物体認識技術の進化](https://cdn-ak-scissors.b.st-hatena.com/image/square/c86ca6a853a07afce6d18095bb854ce2726b6e75/height=288;version=1;width=512/https%3A%2F%2Ffiles.speakerdeck.com%2Fpresentations%2F58120b9abddc4b56bc6e05be2cff08c1%2Fslide_0.jpg%3F26457487)
SSII2024 [OS1] 自動運転における 重要技術とトレンド紹介
What's in a price? How to price your products and services
![SSII2024 [OS1] 自動運転における 重要技術とトレンド紹介](https://cdn-ak-scissors.b.st-hatena.com/image/square/7771ab5e5a4927a6b76a9d59ebfcfe747f227c22/height=288;version=1;width=512/https%3A%2F%2Ffiles.speakerdeck.com%2Fpresentations%2F5195ad1cd85f4eaf9d1eeaa5344469a1%2Fslide_0.jpg%3F30586062)
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Turingにおける自動運転モデルの開発とW&Bの活用
[T2] 自動運転における3次元物体認識の動向![[T2] 自動運転における3次元物体認識の動向](https://cdn-ak-scissors.b.st-hatena.com/image/square/89acb936e466eb1dfefedd6bfc07869d63a63102/height=288;version=1;width=512/https%3A%2F%2Ffiles.speakerdeck.com%2Fpresentations%2F46f83a2c804a464aa480d561aa5cb1d9%2Fslide_0.jpg%3F25933025)
