論文の概要: AVP-SLAM: Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot

• arxiv url: http://arxiv.org/abs/2007.01813v2
• Date: Wed, 8 Jul 2020 14:13:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 06:04:08.988032
• Title: AVP-SLAM: Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot
• Title（参考訳）: AVP-SLAM:駐車場における自律走行車両のセマンティック視覚マッピングと位置決め
• Authors: Tong Qin, Tongqing Chen, Yilun Chen, and Qing Su
• Abstract要約: 我々はロバストなセマンティックな特徴を利用して地図を構築し、駐車場で車両をローカライズする。 我々は4つのサラウンドビューカメラを用いて知覚範囲を拡大する。 我々は,システムの精度とリコールを分析し,実実験で他の手法と比較する。
• 参考スコア（独自算出の注目度）: 10.101500923075633
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous valet parking is a specific application for autonomous vehicles. In this task, vehicles need to navigate in narrow, crowded and GPS-denied parking lots. Accurate localization ability is of great importance. Traditional visual-based methods suffer from tracking lost due to texture-less regions, repeated structures, and appearance changes. In this paper, we exploit robust semantic features to build the map and localize vehicles in parking lots. Semantic features contain guide signs, parking lines, speed bumps, etc, which typically appear in parking lots. Compared with traditional features, these semantic features are long-term stable and robust to the perspective and illumination change. We adopt four surround-view cameras to increase the perception range. Assisting by an IMU (Inertial Measurement Unit) and wheel encoders, the proposed system generates a global visual semantic map. This map is further used to localize vehicles at the centimeter level. We analyze the accuracy and recall of our system and compare it against other methods in real experiments. Furthermore, we demonstrate the practicability of the proposed system by the autonomous parking application.
• Abstract（参考訳）: 自動駐車は自動運転車の特定の用途である。 このタスクでは、車両は狭く、混雑していて、GPSを付加した駐車場で移動する必要がある。 正確なローカライゼーション能力は非常に重要です。 従来の視覚ベースの手法は、テクスチャのない領域、繰り返し構造、外観の変化によって失われた追跡に悩まされる。 本稿では、ロバストなセマンティックな特徴を利用して、駐車場に地図を構築し、車両をローカライズする。 セマンティックな特徴には、通常駐車場に現れる案内標識、駐車場、スピードバンプなどが含まれる。 従来の特徴と比較して、これらの意味的特徴は長期的な安定であり、視点と照明の変化に対して堅牢である。 我々は4つのサラウンドビューカメラを用いて知覚範囲を拡大する。 IMU (Inertial Measurement Unit) とホイールエンコーダ(ホイールエンコーダ)の支援により,提案システムはグローバルな視覚意味マップを生成する。 この地図はさらに、車両をセンチメートルレベルでローカライズするために使われる。 我々は,システムの精度とリコールを分析し,実実験で他の手法と比較する。 さらに,提案システムの実現可能性について,自動駐車による実証実験を行った。

関連論文リスト

• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• Smart Camera Parking System With Auto Parking Spot Detection [1.0512475026060208]
  PakStaと呼ばれる新しい手法で駐車場の状態を自動識別する。 本手法はPakLocのオブジェクト検出器を用いて,ビデオフレーム内の駐車場の占有状況を同時に判定する。 提案手法がPKLotデータセットに与える影響は, 人的労働力の94.25%を大幅に削減する結果となった。
  論文  参考訳（メタデータ） (2024-07-07T19:00:11Z)
• Haris: an Advanced Autonomous Mobile Robot for Smart Parking Assistance [2.3779780917500544]
  このシステムは、自動ナビゲーションと駐車場の正確なマッピングのために、同時位置決めとマッピング(SLAM)を採用している。 提案システムは,スポーツスタジアム等の混雑地において,短期的な大規模屋外駐車場の管理を改善する可能性を秘めている。
  論文  参考訳（メタデータ） (2024-01-31T11:00:26Z)
• MSight: An Edge-Cloud Infrastructure-based Perception System for Connected Automated Vehicles [58.461077944514564]
  本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。 MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。 評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
  論文  参考訳（メタデータ） (2023-10-08T21:32:30Z)
• Parking Analytics Framework using Deep Learning [1.4146420810689422]
  本稿では,自動車の駐車状況をリアルタイムで把握し,その利用状況を分析する手法を提案する。 このソリューションは、画像解析とディープラーニング技術の組み合わせに基づいている。
  論文  参考訳（メタデータ） (2022-03-15T11:16:59Z)
• Semantic Image Alignment for Vehicle Localization [111.59616433224662]
  単眼カメラからのセマンティックセグメンテーションを用いた高密度セマンティックマップにおける車両位置推定手法を提案する。 既存の視覚的ローカライゼーションアプローチとは対照的に、システムは追加のキーポイント機能、手作りのローカライゼーションランドマーク抽出器、高価なLiDARセンサーを必要としない。
  論文  参考訳（メタデータ） (2021-10-08T14:40:15Z)
• Deep Multi-Task Learning for Joint Localization, Perception, and Prediction [68.50217234419922]
  本稿では,ローカライズエラー下の最先端の自律性スタックで発生する問題について検討する。 我々は,認識,予測,局所化を共同で行うシステムの設計を行う。 本アーキテクチャでは,両タスク間の計算を再利用し,効率よくローカライズエラーを修正できる。
  論文  参考訳（メタデータ） (2021-01-17T17:20:31Z)
• V2VNet: Vehicle-to-Vehicle Communication for Joint Perception and Prediction [74.42961817119283]
  車両間通信(V2V)を用いて、自動運転車の知覚と運動予測性能を向上させる。 複数の車両から受信した情報をインテリジェントに集約することで、異なる視点から同じシーンを観察することができる。
  論文  参考訳（メタデータ） (2020-08-17T17:58:26Z)
• Visual Localization for Autonomous Driving: Mapping the Accurate Location in the City Maze [16.824901952766446]
  視覚的局所化のための新しい特徴投票手法を提案する。 本研究では,提案した特徴投票手法を,最先端の3つの視覚的ローカライゼーションネットワークに実装する。 当社のアプローチは、挑戦的な都市内設定においても、ロバストな位置予測を可能にします。
  論文  参考訳（メタデータ） (2020-08-13T03:59:34Z)
• Parsing-based View-aware Embedding Network for Vehicle Re-Identification [138.11983486734576]
  本稿では,車載ReIDのビューアウェア機能アライメントと拡張を実現するために,解析に基づくPVEN(View-Aware Embedding Network)を提案する。 3つのデータセットで行った実験により、我々のモデルは最先端の手法よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-10T13:06:09Z)
• Trained Trajectory based Automated Parking System using Visual SLAM on Surround View Cameras [0.0]
  我々は、訓練された軌道自動駐車システムの使用事例、設計、実装について論じる。 提案システムは商用車両に展開し, 消費者アプリケーションについて解説する。
  論文  参考訳（メタデータ） (2020-01-07T16:43:27Z)

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。