論文の概要: A methodology for the measurement of track geometry based on computer
vision and inertial sensors
- arxiv url: http://arxiv.org/abs/2008.03763v1
- Date: Sun, 9 Aug 2020 16:57:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-01 04:44:06.904634
- Title: A methodology for the measurement of track geometry based on computer
vision and inertial sensors
- Title（参考訳）: コンピュータビジョンと慣性センサを用いた軌道形状計測手法
- Authors: Jos\'e L. Escalona
- Abstract要約: 本論文は, 軌跡測位システム(TGMS)における軌跡不規則性の計算に使用される理論について述べる。
TGMSは、データ取得と処理のためのコンピュータと、慣性測定ユニット(IMU、3Dジャイロスコープ、および3D加速度計)と、2つのビデオカメラとエンコーダを含む一連のセンサーを含む。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This document describes the theory used for the calculation of track
geometric irregularities on a Track Geometry Measuring System (TGMS) to be
installed in railway vehicles. The TGMS includes a computer for data
acquisition and process, a set of sensors including an inertial measuring unit
(IMU, 3D gyroscope and 3D accelerometer), two video cameras and an encoder. The
main features of the proposed system are: 1. It is capable to measure track
alignment, vertical profile, cross-level, gauge, twist and rail-head profile
using non-contact technology. 2. It can be installed in line railway vehicles.
It is compact and low cost. Provided that the equipment sees the rail heads
when the vehicle is moving, it can be installed in any body of the vehicle: at
the wheelsets level, above primary suspension (bogie frame) or above the
secondary suspension (car body).
- Abstract（参考訳）: 本論文は,鉄道車両に搭載される軌道形状測定システム(TGMS)における軌道形状の不規則性の計算に使用される理論について述べる。
TGMSは、データ取得と処理のためのコンピュータと、慣性測定ユニット(IMU、3Dジャイロスコープ、および3D加速度計)と、2つのビデオカメラとエンコーダを含む一連のセンサーを含む。
提案システムの主な特徴は次のとおりである。
1.非接触技術を用いて、軌道アライメント、垂直プロファイル、クロスレベル、ゲージ、ツイスト、レールヘッドプロファイルを測定することができる。
2.鉄道車両に設置可能。
コンパクトで低コストである。
車両の移動時にレールヘッドを視認していれば、車輪セットレベル、プライマリサスペンション(ボディフレーム)上、またはセカンダリサスペンション(車体)上において、車両の任意の本体に設置することができる。
関連論文リスト
- SKoPe3D: A Synthetic Dataset for Vehicle Keypoint Perception in 3D from
Traffic Monitoring Cameras [26.457695296042903]
道路側から見たユニークな合成車両キーポイントデータセットであるSKoPe3Dを提案する。
SKoPe3Dには150万以上の車両インスタンスと490万のキーポイントがある。
実験では、データセットの適用性と、合成データと実世界のデータ間の知識伝達の可能性を強調した。
論文 参考訳（メタデータ） (2023-09-04T02:57:30Z) - Automated Automotive Radar Calibration With Intelligent Vehicles [73.15674960230625]
本稿では,自動車用レーダセンサの自動校正手法を提案する。
本手法では, 車両の外部改造を必要とせず, 自動走行車から得られる位置情報を利用する。
実地試験場からのデータを評価した結果,インフラセンサを自動で正確に校正できることが判明した。
論文 参考訳（メタデータ） (2023-06-23T07:01:10Z) - HUM3DIL: Semi-supervised Multi-modal 3D Human Pose Estimation for
Autonomous Driving [95.42203932627102]
3Dの人間のポーズ推定は、自動運転車が歩行者の微妙で複雑な振る舞いを知覚し理解できるようにする新しい技術である。
提案手法は,これらの補完信号を半教師付き方式で効率的に利用し,既存の手法よりも大きなマージンで性能を向上する。
具体的には、LiDAR点を画素整列マルチモーダル特徴に埋め込み、トランスフォーマーの精細化段階を経る。
論文 参考訳（メタデータ） (2022-12-15T11:15:14Z) - Integrated In-vehicle Monitoring System Using 3D Human Pose Estimation
and Seat Belt Segmentation [13.203876440179771]
本稿では,3次元ポーズ推定,シートベルト分割,シートベルト状態分類ネットワークを組み合わせた車内モニタリングシステムを提案する。
実験の結果,本手法は実車載監視システムに直接適用可能な性能が極めて高いことがわかった。
論文 参考訳（メタデータ） (2022-04-17T07:20:50Z) - Rope3D: TheRoadside Perception Dataset for Autonomous Driving and
Monocular 3D Object Detection Task [48.555440807415664]
道路沿いの知覚3Dデータセットに挑戦する最初のハイダイバーシティを提示する。
データセットは50Kイメージと、さまざまなシーンで1.5M以上の3Dオブジェクトで構成されている。
本稿では,様々なセンサや視点によって引き起こされるあいまいさを解決するために,幾何学的制約を活用することを提案する。
論文 参考訳（メタデータ） (2022-03-25T12:13:23Z) - Cyber Mobility Mirror: Deep Learning-based Real-time 3D Object
Perception and Reconstruction Using Roadside LiDAR [14.566471856473813]
Cyber Mobility Mirrorは、3Dオブジェクトの検出、分類、追跡、再構築のための次世代のリアルタイム交通監視システムである。
実地試験の結果,試作システムでは96.99%の精度で,83.62%のリコールを達成できた。
高忠実度リアルタイム交通条件は、搭載車両のGUIに3-4Hzの周波数で表示することができる。
論文 参考訳（メタデータ） (2022-02-28T01:58:24Z) - A 2.5D Vehicle Odometry Estimation for Vision Applications [0.2069421313572092]
本稿では,車輪センサに基づく平面オドメトリとリニアサスペンションセンサに基づくサスペンションモデルを組み合わせた一連のステップについて述べる。
目的は、カメラポーズのより正確な推定を決定することです。
論文 参考訳（メタデータ） (2021-05-06T14:01:46Z) - Accurate Alignment Inspection System for Low-resolution Automotive and
Mobility LiDAR [125.41260574344933]
車両やロボットなどの移動システムにおいて,センサ装着後のLiDARアライメント誤差を正確に推定する検査システムを提案する。
提案手法は, 固定位置における1つのターゲットボードのみを用いて, 水平方向(回転, 傾き, ヨー)とLiDARアタッチメントの水平位置を, 水平方向の精度で推定する。
論文 参考訳（メタデータ） (2020-08-24T17:47:59Z) - LIBRE: The Multiple 3D LiDAR Dataset [54.25307983677663]
We present LIBRE: LiDAR Benchmarking and Reference, a first-of-in-kind dataset with 10 different LiDAR sensor。
LIBREは、現在利用可能なLiDARを公平に比較するための手段を提供するために、研究コミュニティに貢献する。
また、既存の自動運転車やロボティクス関連のソフトウェアの改善も促進する。
論文 参考訳（メタデータ） (2020-03-13T06:17:39Z) - Road Curb Detection and Localization with Monocular Forward-view Vehicle
Camera [74.45649274085447]
魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。
我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
論文 参考訳（メタデータ） (2020-02-28T00:24:18Z)
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。