ITSC 2024 | 2024年国际智能交通系统大会 邀请会议征文启事!

添加小助理微信AIDriver004,加入近30+自动驾驶技术方向交流群!更多行业咨询与技术分享,欢迎加入『自动驾驶之心知识星球』,国内最大的自动驾驶技术交流社区,你想要的这里都有。

59e5f7a14ab05e8a0fef0505cca90aa5.jpeg

随着自动驾驶技术的飞速发展,保持这一领域科技和研究的前沿地位已成为全球专家学者和工程师们的共同目标。我们非常荣幸地宣布,在2024年9月下旬于加拿大埃德蒙顿举行的国际智能交通系统大会(ITSC)期间,将特别举办“Learning-powered and Knowledge-driven Autonomous Driving”邀请会议。这是我们连续第三年在ITSC上举办的特别会议,今年由南洋理工大学的吕辰教授团队,加州大学伯克利分校的战威博士以及瑞典皇家理工学院的Karl H. Johansson教授共同组织。前两届会议均获得了广泛关注,并收到了众多高质量的论文稿件,并在会议上进行了深入的研讨。我们热情邀请全球自动驾驶领域的学者、工程师以及行业领导者参加本次会议,共同分享和探讨最新的研究成果与技术进展。

会议亮点

本届会议将聚焦于自动驾驶的各个关键模块,包括感知、行为预测和运动规划等。我们将重点讨论大基础模型在自动驾驶中的应用,涵盖场景理解、预测和决策等关键任务,以充分利用大模型广泛的知识和强大的推理能力,显著提升自动驾驶系统在复杂环境中的表现。除此之外,我们还将研讨端到端自动驾驶架构、交通仿真技术、人工智能安全以及人机交互等多个热门话题。邀请会议链接:https://sites.google.com/view/itsc-lpad-2

征稿主题

我们诚邀全球专家学者提交关于以下主题(但不限于此)的研究成果:

  • 自动驾驶的大基础模型

  • 视觉-语言模型和大语言模型在自动驾驶任务中的应用

  • 端到端自动驾驶架构

  • BEV方法在自动驾驶中的应用

  • 基于模型预测的决策、规划和控制

  • 异构交通参与者的行为/意图预测

  • 自动驾驶仿真

  • 强化学习、模仿学习及逆向强化学习

  • 用于预测、规划和仿真的扩散模型

  • 人在回路学习和人类反馈强化学习

  • 人机交互与协作系统设计

  • 自动驾驶系统的验证、验证与安全性分析

投稿细则

请通过会议官方网站提交您的研究论文。论文长度预期为6页,最多可增加2页,但需支付额外的版面费。每篇论文将至少由两位独立评审专家进行同行评审。所有在ITSC 2024上展示的论文将被IEEE Xplore收录,并有机会被选入会议特刊。

提交方式:

请通过以下链接提交论文:https://its.papercept.net/conferences/scripts/start.pl

选择“Submit a contribution to ITSC 2024”,并以“Invited Session Paper”提交,使用提交代码为dfg21。

重要时间节点:

2024年5月1日:论文提交截止日期
2024年7月7日:录用通知日期
2024年7月31日:最终论文提交截止日期

我们期待着您的宝贵稿件和独到见解,共同推动自动驾驶技术向更高水平发展!

投稿作者为『自动驾驶之心知识星球』特邀嘉宾,欢迎加入交流!

① 全网独家视频课程

BEV感知、毫米波雷达视觉融合多传感器标定多传感器融合多模态3D目标检测车道线检测轨迹预测在线高精地图世界模型点云3D目标检测目标跟踪Occupancy、cuda与TensorRT模型部署大模型与自动驾驶Nerf语义分割自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频(扫码即可学习

2d0b469aa71ec58281e4a7f3e0159de5.png

网页端官网:www.zdjszx.com

② 国内首个自动驾驶学习社区

国内最大最专业,近3000人的交流社区,已得到大多数自动驾驶公司的认可!涉及30+自动驾驶技术栈学习路线,从0到一带你入门自动驾驶感知2D/3D检测、语义分割、车道线、BEV感知、Occupancy、多传感器融合、多传感器标定、目标跟踪)、自动驾驶定位建图SLAM、高精地图、局部在线地图)、自动驾驶规划控制/轨迹预测等领域技术方案大模型、端到端等,更有行业动态和岗位发布!欢迎扫描下方二维码,加入自动驾驶之心知识星球,这是一个真正有干货的地方,与领域大佬交流入门、学习、工作、跳槽上的各类难题,日常分享论文+代码+视频

7ec42d1d7c81b89aa8df50bdbae02ed2.png

③【自动驾驶之心】技术交流群

自动驾驶之心是首个自动驾驶开发者社区,聚焦感知、定位、融合、规控、标定、端到端、仿真、产品经理、自动驾驶开发、自动标注与数据闭环多个方向,目前近60+技术交流群,欢迎加入!

自动驾驶感知:目标检测、语义分割、BEV感知、毫米波雷达视觉融合、激光视觉融合、车道线检测、目标跟踪、Occupancy、深度估计、transformer、大模型、在线地图、点云处理、模型部署、CUDA加速等技术交流群;

多传感器标定:相机在线/离线标定、Lidar-Camera标定、Camera-Radar标定、Camera-IMU标定、多传感器时空同步等技术交流群;

多传感器融合:多传感器后融合技术交流群;

规划控制与预测:规划控制、轨迹预测、避障等技术交流群;

定位建图:视觉SLAM、激光SLAM、多传感器融合SLAM等技术交流群;

三维视觉:三维重建、NeRF、3D Gaussian Splatting技术交流群;

自动驾驶仿真:Carla仿真、Autoware仿真等技术交流群;

自动驾驶开发:自动驾驶开发、ROS等技术交流群;

其它方向:自动标注与数据闭环、产品经理、硬件选型、求职面试、自动驾驶测试等技术交流群;

扫码添加汽车人助理微信邀请入群,备注:学校/公司+方向+昵称(快速入群方式)

1336fba061b588679d5ecc1b775a16c8.jpeg

④【自动驾驶之心】平台矩阵,欢迎联系我们!

ce91e50aac546bf402f03e3a9375d048.jpeg

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是近三内比较著名的无人机目标跟踪技术相关的文献: 1. Bo Li, Tianhong Li, Yafei Song, et al. "High-Speed Tracking with Kernelized Correlation Filters." ECCV 2014. 2. Martin A. Zuniga, Zsolt Kira. "Fast Multiple Object Tracking via a Hierarchical Particle Filter." ICRA 2017. 3. Anton Milan, S. Hamid Rezatofighi, Anthony R. Dick, et al. "Online Multi-Target Tracking Using Recurrent Neural Networks." ICCV 2017. 4. Yifu Zhang, Yixin Chen, Jianke Zhu, et al. "Robust Visual Tracking via Consistent Low-Rank Sparse Learning." TPAMI, 2018. 5. Zhenyu He, Jian Liang, Yueshen Xu, et al. "UAV Tracking Using Visual Saliency and Particle Filter." Sensors, 2019. 6. Zeynep Akkaya, Asli Bayram, Sinem Kahraman, et al. "Real-time Multiple Object Tracking from Unmanned Aerial Vehicles Using Deep Learning." ITSC 2018. 7. Anton Milan, S. Hamid Rezatofighi, Anthony R. Dick, et al. "Online Multi-Target Tracking Using Recurrent Neural Networks." TPAMI, 2020. 8. Wenbo Li, Zhongdao Wang, Qi Li, et al. "SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks." CVPR 2019. 9. Zhibin Hong, Zhe Chen, Chaofei Yang, et al. "Multi-Object Tracking Algorithm Based on Improved YOLOv3 for UAV Images." Sensors, 2020. 10. Kai Chen, Wenbing Tao, Liang Xiao, et al. "UAV Tracking Based on the Fusion of Visual Saliency and Deep Neural Networks." Sensors, 2020. 这些文献是近来在无人机目标跟踪技术领域具有重要影响力的研究成果。它们提出了创新的方法和算法,推动了无人机目标跟踪技术的发展。值得一提的是,其中不乏运用深度学习、循环神经网络和图像处理等前沿技术的研究。这些文献对于理解和应用无人机目标跟踪技术具有重要参考价值。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值