論文の概要: A Robust Real-Time Computing-based Environment Sensing System for Intelligent Vehicle

• arxiv url: http://arxiv.org/abs/2001.09678v1
• Date: Mon, 27 Jan 2020 10:47:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-06 08:15:58.993367
• Title: A Robust Real-Time Computing-based Environment Sensing System for Intelligent Vehicle
• Title（参考訳）: インテリジェント自動車用ロバストリアルタイムコンピューティング環境センシングシステム
• Authors: Qiwei Xie, Qian Long, Liming Zhang, Zhao Sun
• Abstract要約: 低消費電力のモバイルプラットフォームをベースとしたリアルタイム運転支援システムを構築した。 このシステムは、ステレオマッチングアルゴリズムと機械学習に基づく障害物検出アプローチを組み合わせたリアルタイムマルチスキーマ統合イノベーションシステムである。 実験結果から,インテリジェントな車両に対して,堅牢で正確なリアルタイム環境認識を実現することができることがわかった。
• 参考スコア（独自算出の注目度）: 5.919822775295222
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For intelligent vehicles, sensing the 3D environment is the first but crucial step. In this paper, we build a real-time advanced driver assistance system based on a low-power mobile platform. The system is a real-time multi-scheme integrated innovation system, which combines stereo matching algorithm with machine learning based obstacle detection approach and takes advantage of the distributed computing technology of a mobile platform with GPU and CPUs. First of all, a multi-scale fast MPV (Multi-Path-Viterbi) stereo matching algorithm is proposed, which can generate robust and accurate disparity map. Then a machine learning, which is based on fusion technology of monocular and binocular, is applied to detect the obstacles. We also advance an automatic fast calibration mechanism based on Zhang's calibration method. Finally, the distributed computing and reasonable data flow programming are applied to ensure the operational efficiency of the system. The experimental results show that the system can achieve robust and accurate real-time environment perception for intelligent vehicles, which can be directly used in the commercial real-time intelligent driving applications.
• Abstract（参考訳）: インテリジェントな車では、3D環境を感知することが最初の重要なステップだ。 本論文では,低消費電力モバイルプラットフォームを用いたリアルタイム運転支援システムを構築する。 このシステムは、ステレオマッチングアルゴリズムと機械学習に基づく障害物検出アプローチを組み合わせた、リアルタイムのマルチスキーム統合イノベーションシステムであり、モバイルプラットフォームの分散コンピューティング技術とgpuとcpuを活用する。 まず,マルチスケール高速MPV(Multi-Path-Viterbi)ステレオマッチングアルゴリズムを提案する。 次に、単眼と双眼の融合技術に基づく機械学習を適用し、障害物を検出する。 また,zhangのキャリブレーション手法に基づく自動高速キャリブレーション機構も開発した。 最後に、分散コンピューティングと合理的なデータフロープログラミングを適用し、システムの運用効率を確実にする。 実験の結果,商用のリアルタイム駆動アプリケーションで直接使用可能なインテリジェント車両に対して,堅牢で正確なリアルタイム環境認識を実現することができることがわかった。

関連論文リスト

• FastRLAP: A System for Learning High-Speed Driving via Deep RL and Autonomous Practicing [71.76084256567599]
  本稿では、自律型小型RCカーを強化学習(RL)を用いた視覚的観察から積極的に駆動するシステムを提案する。 我々のシステムであるFastRLAP (faster lap)は、人間の介入なしに、シミュレーションや専門家によるデモンストレーションを必要とせず、現実世界で自律的に訓練する。 結果として得られたポリシーは、タイミングブレーキや回転の加速度などの突発的な運転スキルを示し、ロボットの動きを妨げる領域を避け、トレーニングの途中で同様の1対1のインタフェースを使用して人間のドライバーのパフォーマンスにアプローチする。
  論文  参考訳（メタデータ） (2023-04-19T17:33:47Z)
• Online Learning of Wheel Odometry Correction for Mobile Robots with Attention-based Neural Network [63.8376359764052]
  現代のロボットプラットフォームは、人間の横で毎日運用するために、信頼性の高いローカライゼーションシステムを必要としている。 フィルタされた車輪と慣性オドメトリーに基づく単純なポーズ推定アルゴリズムは、急激なキネマティックな変化とホイールスリップの存在下で失敗することが多い。 本稿では,車輪形状補正のための革新的なオンライン学習手法を提案し,ロバストなマルチソースローカライゼーションシステムを提案する。
  論文  参考訳（メタデータ） (2023-03-21T10:30:31Z)
• Visual Perception System for Autonomous Driving [9.659835301514288]
  本研究は、走行物体の軌跡追跡と予測を統合して衝突を防止する、自律走行のための視覚的認識システムを導入する。 このシステムは歩行者の動きの手がかりを利用して、その動きを監視し、予測し、同時に環境をマッピングする。 このアプローチの性能、効率、レジリエンスは、シミュレーションと実世界の両方のデータセットの包括的な評価によって実証される。
  論文  参考訳（メタデータ） (2023-03-03T23:12:43Z)
• Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
  本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。 実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
  論文  参考訳（メタデータ） (2022-07-05T16:33:20Z)
• Pushing the Limits of Learning-based Traversability Analysis for Autonomous Driving on CPU [1.841057463340778]
  本稿では,リアルタイム機械学習に基づくトラバーサビリティ分析手法の提案と評価を行う。 新しい幾何学的特徴と視覚的特徴を統合し、重要な実装の詳細に焦点を当てることで、パフォーマンスと信頼性が著しく向上することを示します。 提案手法は、屋外運転シナリオのパブリックデータセットに関する最先端のDeep Learningアプローチと比較されている。
  論文  参考訳（メタデータ） (2022-06-07T07:57:34Z)
• Scalable Vehicle Re-Identification via Self-Supervision [66.2562538902156]
  自動車再同定は、都市規模の車両分析システムにおいて重要な要素の1つである。 車両再設計のための最先端のソリューションの多くは、既存のre-idベンチマークの精度向上に重点を置いており、計算の複雑さを無視することが多い。 推論時間に1つのネットワークのみを使用する自己教師型学習によって、シンプルで効果的なハイブリッドソリューションを提案する。
  論文  参考訳（メタデータ） (2022-05-16T12:14:42Z)
• Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
  我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。 本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。 次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
  論文  参考訳（メタデータ） (2021-05-20T17:52:37Z)
• Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with Heterogeneous Learning Tasks [53.1636151439562]
  モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。 再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。 具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
  論文  参考訳（メタデータ） (2020-12-25T07:08:50Z)
• Local Motion Planner for Autonomous Navigation in Vineyards with a RGB-D Camera-Based Algorithm and Deep Learning Synergy [1.0312968200748118]
  本研究では、ブドウ畑における自律走行のための低コストな局所移動プランナを提案する。 最初のアルゴリズムは、不均一マップとその深さ表現を利用して、ロボットプラットフォームに対する比例制御を生成する。 第2のバックアップアルゴリズムは、学習の学習に基づいており、照明の変動に耐性があり、第1ブロックが瞬間的に故障した場合にマシンを制御できる。
  論文  参考訳（メタデータ） (2020-05-26T15:47:42Z)
• Deep Learning Based Vehicle Tracking System Using License Plate Detection And Recognition [0.0]
  提案システムは,車両ナンバープレート検出・認識(OCR)技術を用いた車両追跡の新しい手法を用いている。 結果は、人間に近い精度で毎秒30フレームの速度で得られた。
  論文  参考訳（メタデータ） (2020-05-10T14:03:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。