論文の概要: Integration of Roadside Camera Images and Weather Data for Monitoring
Winter Road Surface Conditions
- arxiv url: http://arxiv.org/abs/2009.12165v1
- Date: Tue, 22 Sep 2020 01:43:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-01 06:48:41.561428
- Title: Integration of Roadside Camera Images and Weather Data for Monitoring
Winter Road Surface Conditions
- Title（参考訳）: 冬期道路表面状況モニタリングのための道路カメラ画像と気象データの統合
- Authors: Juan Carrillo, Mark Crowley
- Abstract要約: 冬季には,ドライバーの安全と道路整備作業において,道路表面状況のリアルタイムモニタリングが重要である。
RWIS(ロード・ウェザー・インフォメーション・システム)に設置した道路側カメラの画像を処理し,道路積雪検出のための画像分類手法の可能性について検討した。
カナダのオンタリオ州に限られたRWIS局があるため、ネットワークは空間範囲を減らしている。
我々は、RWIS局から収集した画像と気象データと他のMTO(オンタリオ州交通省)の道路カメラと環境カナダ局の気象データを統合することで、このタスクの性能を向上させることを提案する。
- 参考スコア（独自算出の注目度）: 2.6955785230358966
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: During the winter season, real-time monitoring of road surface conditions is
critical for the safety of drivers and road maintenance operations. Previous
research has evaluated the potential of image classification methods for
detecting road snow coverage by processing images from roadside cameras
installed in RWIS (Road Weather Information System) stations. However, there
are a limited number of RWIS stations across Ontario, Canada; therefore, the
network has reduced spatial coverage. In this study, we suggest improving
performance on this task through the integration of images and weather data
collected from the RWIS stations with images from other MTO (Ministry of
Transportation of Ontario) roadside cameras and weather data from Environment
Canada stations. We use spatial statistics to quantify the benefits of
integrating the three datasets across Southern Ontario, showing evidence of a
six-fold increase in the number of available roadside cameras and therefore
improving the spatial coverage in the most populous ecoregions in Ontario.
Additionally, we evaluate three spatial interpolation methods for inferring
weather variables in locations without weather measurement instruments and
identify the one that offers the best tradeoff between accuracy and ease of
implementation.
- Abstract（参考訳）: 冬期には,ドライバーの安全と道路整備作業のために,道路表面状況のリアルタイムモニタリングが重要である。
過去の研究では,rwis (road weather information system) に設置された路面カメラからの画像を処理し,道路積雪状況検出のための画像分類手法の可能性を評価した。
しかし、カナダのオンタリオ州に限られたRWIS局があるため、ネットワークの空間範囲は減少している。
本研究では、RWIS局から収集した画像と気象データと他のMTO(オンタリオ州交通省)の道路カメラと環境カナダ局の気象データを統合することで、このタスクの性能を向上させることを提案する。
オンタリオ州南部における3つのデータセットの統合の利点を空間統計を用いて定量化し、利用可能な道端カメラの数を6倍に増やした証拠を示し、オンタリオ州で最も人口の多いエコリージョンの空間範囲を改善した。
さらに,気象計測機器を使わずに気象変動を推定するための空間補間手法を3つ評価し,精度と実装の容易さの最良のトレードオフを提供するものを特定する。
関連論文リスト
- Real-Time Multi-Scene Visibility Enhancement for Promoting Navigational Safety of Vessels Under Complex Weather Conditions [48.529493393948435]
この可視光カメラは、インテリジェントな水上輸送システムにおいて、海洋表面の容器に不可欠なイメージングセンサーとして登場した。
視覚画像の画質は、複雑な気象条件下での様々な劣化に必然的に悩まされる。
本研究では,異なる気象条件下で撮影された劣化画像を復元する汎用多場面可視性向上手法を開発した。
論文 参考訳（メタデータ） (2024-09-02T23:46:27Z) - Dense Road Surface Grip Map Prediction from Multimodal Image Data [7.584488044752369]
後処理型マルチモーダルセンサデータに基づいて,車両前方の領域から高密度グリップマップを推定する手法を提案する。
我々は、融合RGBカメラ、サーマルカメラ、LiDAR反射率画像から画素ワイドグリップ値を予測するために畳み込みニューラルネットワークを訓練した。
論文 参考訳（メタデータ） (2024-04-26T11:10:24Z) - Road Surface Friction Estimation for Winter Conditions Utilising General Visual Features [0.4972323953932129]
本稿では,道路側カメラによる路面摩擦のコンピュータビジョンによる評価について検討する。
本稿では、事前学習された視覚変換器モデルと畳み込みブロックからなるハイブリッドディープラーニングアーキテクチャWCamNetを提案する。
論文 参考訳（メタデータ） (2024-04-25T12:46:23Z) - OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。
我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。
意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
論文 参考訳（メタデータ） (2023-12-14T18:58:52Z) - 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) - RadSegNet: A Reliable Approach to Radar Camera Fusion [7.407841890626661]
カメラとレーダーの融合システムは、あらゆる天候の信頼性の高い高品質な知覚にユニークな機会を提供する。
本稿では,独立した情報抽出の新たな設計思想を用いたRadSegNetを提案する。
最先端の手法と比較して、RadSegNetはAstyxを27%改善し、RADIATEを41.46%改善した。
論文 参考訳（メタデータ） (2022-08-08T00:09:16Z) - DMRVisNet: Deep Multi-head Regression Network for Pixel-wise Visibility
Estimation Under Foggy Weather [0.0]
霧は、一般的な気象の一種として、特に山岳地帯において、現実世界に頻繁に現れる。
現在の方法では、道路上の固定位置に配置されたプロの楽器を使用して視界測定を行う。
可視性を推定するために、革新的なエンドツーエンドの畳み込みニューラルネットワークフレームワークを提案する。
論文 参考訳（メタデータ） (2021-12-08T13:31:07Z) - Urban Radiance Fields [77.43604458481637]
本研究では,都市屋外環境における世界地図作成によく利用されるスキャニングプラットフォームによって収集されたデータから3次元再構成と新しいビュー合成を行う。
提案手法は、制御された環境下での小さなシーンのための現実的な新しい画像の合成を実証したニューラルラジアンス場を拡張している。
これら3つのエクステンションはそれぞれ、ストリートビューデータの実験において、大幅なパフォーマンス改善を提供する。
論文 参考訳（メタデータ） (2021-11-29T15:58:16Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - Design of Efficient Deep Learning models for Determining Road Surface
Condition from Roadside Camera Images and Weather Data [2.8904578737516764]
冬期における道路の整備は、安全と資源を要求される作業である。
その重要な活動の1つは、道路を優先し、耕作や製塩などの清掃作業を行うために、道路表面の状態(RSC)を決定することである。
RSCを決定するための2つの従来のアプローチは、訓練された職員による道路カメラ画像の視覚的検査と、現場での検査を行うために道路をパトロールすることである。
論文 参考訳（メタデータ） (2020-09-22T02:30:32Z) - 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)
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。