論文の概要: Real-time Kinematic Ground Truth for the Oxford RobotCar Dataset
- arxiv url: http://arxiv.org/abs/2002.10152v1
- Date: Mon, 24 Feb 2020 10:34:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-29 04:33:13.464571
- Title: Real-time Kinematic Ground Truth for the Oxford RobotCar Dataset
- Title(参考訳): オックスフォード・ロボットカー・データセットのための実時間運動場真実
- Authors: Will Maddern, Geoffrey Pascoe, Matthew Gadd, Dan Barnes, Brian
Yeomans, Paul Newman
- Abstract要約: 大規模なOxford RobotCarデータセットに基づく長期ローカライゼーションおよびマッピングベンチマークに向けた参照データをリリースする。
我々は,データセットの1年間にわたって,グローバルに一貫性のある精度の高い基底真理を作成した。
- 参考スコア(独自算出の注目度): 23.75606166843614
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We describe the release of reference data towards a challenging long-term
localisation and mapping benchmark based on the large-scale Oxford RobotCar
Dataset. The release includes 72 traversals of a route through Oxford, UK,
gathered in all illumination, weather and traffic conditions, and is
representative of the conditions an autonomous vehicle would be expected to
operate reliably in. Using post-processed raw GPS, IMU, and static GNSS base
station recordings, we have produced a globally-consistent centimetre-accurate
ground truth for the entire year-long duration of the dataset. Coupled with a
planned online benchmarking service, we hope to enable quantitative evaluation
and comparison of different localisation and mapping approaches focusing on
long-term autonomy for road vehicles in urban environments challenged by
changing weather.
- Abstract(参考訳): 大規模なOxford RobotCar Datasetに基づく長期ローカライゼーションおよびマッピングベンチマークに向けた参照データのリリースについて述べる。
このリリースには、イギリスのオックスフォードを通るルートを72回横断し、すべての照明、天候、交通条件を満たし、自動運転車が確実に運用されるであろう条件を代表している。
ポスト処理された生GPS, IMU, 静的GNSSの基地局記録を用いて, データセットの1年間にわたって, グローバルに一貫性のある精度の高い地上真実を作成した。
オンラインベンチマークサービスの計画と合わせて,気象変動に伴う都市環境における自動車の長期的自律性に着目した,異なるローカライズとマッピングアプローチの定量的評価と比較を可能にしたい。
関連論文リスト
- Urban Traffic Forecasting with Integrated Travel Time and Data Availability in a Conformal Graph Neural Network Framework [0.6554326244334868]
最先端のモデルは、可能な限り最良の方法でデータを考えるのに苦労することが多い。
本稿では,駅間の移動時間をグラフニューラルネットワークアーキテクチャの重み付き隣接行列に組み込む新しい枠組みを提案する。
論文 参考訳(メタデータ) (2024-07-17T01:11:07Z) - Bench2Drive: Towards Multi-Ability Benchmarking of Closed-Loop End-To-End Autonomous Driving [59.705635382104454]
本稿では,E2E-ADシステムのマルチ能力をクローズドループで評価するための最初のベンチマークであるBench2Driveを紹介する。
我々は最先端のE2E-ADモデルを実装し、Bench2Driveで評価し、現状と今後の方向性について洞察を提供する。
論文 参考訳(メタデータ) (2024-06-06T09:12:30Z) - STT: Stateful Tracking with Transformers for Autonomous Driving [48.621552393062686]
三次元空間における物体の追跡は、自律走行に不可欠である。
運転中の安全性を確保するため、トラッカーはフレーム全体の物体を確実に追跡し、現在の速度や加速度などの状態を正確に推定する必要がある。
本研究では,トランスフォーマーで構築したステートフルトラッキングモデルであるSTTを提案する。
論文 参考訳(メタデータ) (2024-04-30T23:04:36Z) - RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and
Comfortable Autonomous Driving [67.09546127265034]
道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。
我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。
約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
論文 参考訳(メタデータ) (2023-10-03T17:59:32Z) - Navigating Uncertainty: The Role of Short-Term Trajectory Prediction in
Autonomous Vehicle Safety [3.3659635625913564]
我々は,CARLAシミュレータを用いた短期軌道予測タスクのためのデータセットを開発した。
このデータセットは広く、複雑なシナリオとして、歩行者が道路を横断し、車両が乗り越える、と考えられています。
畳み込みニューラルネットワーク(CNN)と長短期記憶(LSTM)を用いた終端から終端までの短期軌道予測モデルも開発されている。
論文 参考訳(メタデータ) (2023-07-11T14:28:33Z) - 4Seasons: Benchmarking Visual SLAM and Long-Term Localization for
Autonomous Driving in Challenging Conditions [54.59279160621111]
大規模4Seasonsデータセットに基づく課題条件下での自律運転のための新しい視覚的SLAMと長期局所化ベンチマークを提案する。
提案したベンチマークでは,季節変化や天候,照明条件の変動による劇的な外見の変化が報告されている。
本稿では,視覚計測,大域的位置認識,および地図に基づく視覚的位置決め性能を共同評価するための統合ベンチマークを提案する。
論文 参考訳(メタデータ) (2022-12-31T13:52:36Z) - Vision in adverse weather: Augmentation using CycleGANs with various
object detectors for robust perception in autonomous racing [70.16043883381677]
自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。
悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。
本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
論文 参考訳(メタデータ) (2022-01-10T10:02:40Z) - 4Seasons: A Cross-Season Dataset for Multi-Weather SLAM in Autonomous
Driving [48.588254700810474]
本稿では,自律運転における季節的・挑戦的な知覚条件をカバーする新しいデータセットを提案する。
その中には、視覚計測、グローバルな位置認識、マップベースの再位置追跡などが含まれる。
論文 参考訳(メタデータ) (2020-09-14T12:31:20Z) - The Pedestrian Patterns Dataset [11.193504036335503]
データセットは、異なる特定のタイムスロットから1週間、同じ3つのルートを繰り返すことで収集された。
データセットの目的は、横断するルートに沿って異なる時間に、社会的および歩行者の行動パターンをキャプチャすることである。
論文 参考訳(メタデータ) (2020-01-06T23:58:39Z)
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。