論文の概要: CurbScan: Curb Detection and Tracking Using Multi-Sensor Fusion
- arxiv url: http://arxiv.org/abs/2010.04837v2
- Date: Tue, 13 Oct 2020 00:28:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 04:56:19.473675
- Title: CurbScan: Curb Detection and Tracking Using Multi-Sensor Fusion
- Title（参考訳）: CurbScan:マルチセンサフュージョンによるカーブ検出と追跡
- Authors: Iljoo Baek, Tzu-Chieh Tai, Manoj Bhat, Karun Ellango, Tarang Shah,
Kamal Fuseini, Ragunathan (Raj) Rajkumar
- Abstract要約: カーブ検出と追跡は、車両のローカライゼーションと経路計画に有用である。
本稿では,複数のセンサからデータを融合して縁石を検出・追跡する手法を提案する。
提案アルゴリズムは,KITTIデータセットとデータセットでそれぞれ4.5～22m,0～14m以内の精度を90%以上維持する。
- 参考スコア（独自算出の注目度）: 0.8722958995761769
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Reliable curb detection is critical for safe autonomous driving in urban
contexts. Curb detection and tracking are also useful in vehicle localization
and path planning. Past work utilized a 3D LiDAR sensor to determine accurate
distance information and the geometric attributes of curbs. However, such an
approach requires dense point cloud data and is also vulnerable to false
positives from obstacles present on both road and off-road areas. In this
paper, we propose an approach to detect and track curbs by fusing together data
from multiple sensors: sparse LiDAR data, a mono camera and low-cost ultrasonic
sensors. The detection algorithm is based on a single 3D LiDAR and a mono
camera sensor used to detect candidate curb features and it effectively removes
false positives arising from surrounding static and moving obstacles. The
detection accuracy of the tracking algorithm is boosted by using Kalman
filter-based prediction and fusion with lateral distance information from
low-cost ultrasonic sensors. We next propose a line-fitting algorithm that
yields robust results for curb locations. Finally, we demonstrate the practical
feasibility of our solution by testing in different road environments and
evaluating our implementation in a real vehicle\footnote{Demo video clips
demonstrating our algorithm have been uploaded to Youtube:
https://www.youtube.com/watch?v=w5MwsdWhcy4,
https://www.youtube.com/watch?v=Gd506RklfG8.}. Our algorithm maintains over
90\% accuracy within 4.5-22 meters and 0-14 meters for the KITTI dataset and
our dataset respectively, and its average processing time per frame is
approximately 10 ms on Intel i7 x86 and 100ms on NVIDIA Xavier board.
- Abstract（参考訳）: 都市環境での安全な自動運転には信頼性の高い縁石検出が不可欠である。
カーブ検出と追跡は、車両のローカライゼーションや経路計画にも有用である。
過去の研究では、3D LiDARセンサーを用いて正確な距離情報と縁石の幾何学的特性を判定した。
しかし、このようなアプローチでは、密集したポイントクラウドデータが必要であり、道路とオフロードの両方に存在する障害物による偽陽性にも弱い。
本稿では,LiDARデータ,モノカメラ,低コスト超音波センサなど,複数のセンサからデータを融合して縁石を検出・追跡する手法を提案する。
検出アルゴリズムは、単一の3D LiDARとモノカメラセンサをベースとして、候補ストレッチの特徴を検知し、周囲の静的障害物や動き障害物から生じる偽陽性を効果的に除去する。
カルマンフィルタに基づく予測と、低コスト超音波センサからの横距離情報との融合を用いて、追跡アルゴリズムの検出精度を高める。
次に, 境界位置に対するロバストな結果が得られるラインフィッティングアルゴリズムを提案する。
最後に、異なる道路環境でテストし、実際の車両での実装を評価することで、ソリューションの実用的な実現可能性を示す。
v=w5MwsdWhcy4, https://www.youtube.com/watch?
v=Gd506RklfG8。
提案アルゴリズムは,KITTIデータセットとデータセットでそれぞれ4.5～22m,0～14mの精度を維持し,Intel i7 x86,NVIDIA Xavier基板上では100msの平均処理時間は約10msである。
関連論文リスト
- Dense Optical Tracking: Connecting the Dots [82.79642869586587]
DOTは、ビデオにおけるポイントトラッキングの問題を解決するための、新しくてシンプルで効率的な方法である。
OmniMotionのような高度な"ユニバーサルトラッカー"を上回り、CoTrackerのような最良のポイントトラッキングアルゴリズムと同等か、あるいはそれ以上の精度で、DOTが現在の光フロー技術よりもはるかに正確であることを示す。
論文 参考訳（メタデータ） (2023-12-01T18:59:59Z) - Probabilistic 3D Multi-Object Cooperative Tracking for Autonomous
Driving via Differentiable Multi-Sensor Kalman Filter [11.081218144245506]
微分可能マルチセンサカルマンフィルタを用いた自律走行のための新しい3次元多目的協調追従アルゴリズムを提案する。
V2V4Realの最先端手法と比較して,通信コストが0.037倍の追跡精度を17%向上する。
論文 参考訳（メタデータ） (2023-09-26T04:14:13Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - Echoes Beyond Points: Unleashing the Power of Raw Radar Data in
Multi-modality Fusion [74.84019379368807]
本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。
具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
論文 参考訳（メタデータ） (2023-07-31T09:53:50Z) - UnLoc: A Universal Localization Method for Autonomous Vehicles using
LiDAR, Radar and/or Camera Input [51.150605800173366]
UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。
本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
論文 参考訳（メタデータ） (2023-07-03T04:10:55Z) - Multi-Modal 3D Object Detection by Box Matching [109.43430123791684]
マルチモーダル3次元検出のためのボックスマッチング(FBMNet)による新しいフュージョンネットワークを提案する。
3Dオブジェクトと2Dオブジェクトの提案を学習することで、ROI特徴を組み合わせることで、検出のための融合を効果的に行うことができる。
論文 参考訳（メタデータ） (2023-05-12T18:08:51Z) - A Pedestrian Detection and Tracking Framework for Autonomous Cars:
Efficient Fusion of Camera and LiDAR Data [0.17205106391379021]
本稿では,カメラとLiDARセンサデータを用いた歩行者検出と追跡のための新しい手法を提案する。
検出フェーズは、LiDARストリームを計算的に抽出可能な深度画像に変換し、さらに、歩行者候補を特定するディープニューラルネットワークを開発する。
トラッキングフェーズは、Kalmanフィルタ予測と、シーン内の複数の歩行者を追跡するための光フローアルゴリズムの組み合わせである。
論文 参考訳（メタデータ） (2021-08-27T16:16:01Z) - CFTrack: Center-based Radar and Camera Fusion for 3D Multi-Object
Tracking [9.62721286522053]
本稿では,レーダとカメラセンサの融合に基づく共同物体検出と追跡のためのエンドツーエンドネットワークを提案する。
提案手法では,物体検出に中心型レーダカメラ融合アルゴリズムを用い,物体関連にグリーディアルゴリズムを用いる。
提案手法は,20.0AMOTAを達成し,ベンチマークにおける視覚ベースの3Dトラッキング手法よりも優れる,挑戦的なnuScenesデータセット上で評価する。
論文 参考訳（メタデータ） (2021-07-11T23:56:53Z) - SDOF-Tracker: Fast and Accurate Multiple Human Tracking by
Skipped-Detection and Optical-Flow [5.041369269600902]
本研究では,あるフレーム間隔で人間検出を行うことにより,走行速度の向上を図ることを目的とする。
本稿では, 隣接フレーム間の外観があまり変化しないという事実に基づいて, 検出結果を光学的流れで補完する手法を提案する。
MOTChallengeのMOT20データセットでは、提案されたSDOF-Trackerが全走行速度で最高の性能を達成した。
論文 参考訳（メタデータ） (2021-06-27T15:35:35Z) - Extraction and Assessment of Naturalistic Human Driving Trajectories
from Infrastructure Camera and Radar Sensors [0.0]
本稿では,インフラセンサを用いた交通物体の軌跡抽出手法を提案する。
私たちのビジョンパイプラインは、オブジェクトを正確に検出し、カメラとレーダーを融合させ、時間とともに追跡します。
センサ融合アプローチは、カメラとレーダー検出の利点をうまく組み合わせ、いずれのセンサよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-04-02T22:28:29Z) - 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。