論文の概要: Rethinking Road Surface 3D Reconstruction and Pothole Detection: From Perspective Transformation to Disparity Map Segmentation

• arxiv url: http://arxiv.org/abs/2012.10802v2
• Date: Thu, 31 Dec 2020 02:54:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-01 11:08:06.501927
• Title: Rethinking Road Surface 3D Reconstruction and Pothole Detection: From Perspective Transformation to Disparity Map Segmentation
• Title（参考訳）: 路面3次元再構成とポットホール検出の再考:視点変換から距離マップ分割へ
• Authors: Rui Fan, Umar Ozgunalp, Yuan Wang, Ming Liu, Ioannis Pitas
• Abstract要約: ポトホール検出は通常、構造エンジニアまたは認定検査官によって行われます。 本稿では,道路差マップ推定とセグメンテーションに基づく効率的なポットホール検出アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 34.27692655476825
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Potholes are one of the most common forms of road damage, which can severely affect driving comfort, road safety and vehicle condition. Pothole detection is typically performed by either structural engineers or certified inspectors. This task is, however, not only hazardous for the personnel but also extremely time-consuming. This paper presents an efficient pothole detection algorithm based on road disparity map estimation and segmentation. We first generalize the perspective transformation by incorporating the stereo rig roll angle. The road disparities are then estimated using semi-global matching. A disparity map transformation algorithm is then performed to better distinguish the damaged road areas. Finally, we utilize simple linear iterative clustering to group the transformed disparities into a collection of superpixels. The potholes are then detected by finding the superpixels, whose values are lower than an adaptively determined threshold. The proposed algorithm is implemented on an NVIDIA RTX 2080 Ti GPU in CUDA. The experiments demonstrate the accuracy and efficiency of our proposed road pothole detection algorithm, where an accuracy of 99.6% and an F-score of 89.4% are achieved.
• Abstract（参考訳）: ポットホールは最も一般的な道路損傷の1つであり、運転の快適さ、道路の安全性、車両の状態に深刻な影響を及ぼす可能性がある。 ポトホール検出は通常、構造技術者または認定検査官によって行われる。 しかし、この仕事は人員にとって危険であるだけでなく、非常に時間を要する。 本稿では,道路差マップ推定とセグメンテーションに基づく効率的なポットホール検出アルゴリズムを提案する。 まず,ステレオリグロール角を組み込んで視点変換を一般化する。 道路の差は準グローバルマッチングを用いて推定される。 次に、損傷した道路領域をよりよく識別するために、異種マップ変換アルゴリズムを実行する。 最後に、単純な線形反復クラスタリングを用いて、変換された格差をスーパーピクセルの集合にまとめる。 そして、適応的に決定された閾値よりも低い値のスーパーピクセルを見つけることにより、穴を検出する。 提案アルゴリズムはCUDAのNVIDIA RTX 2080 Ti GPU上で実装されている。 提案手法では,99.6%の精度と89.4%のf-scoreが得られる。

関連論文リスト

• A Mirror Descent-Based Algorithm for Corruption-Tolerant Distributed Gradient Descent [57.64826450787237]
  本研究では, 分散勾配降下アルゴリズムの挙動を, 敵対的腐敗の有無で解析する方法を示す。 汚職耐性の分散最適化アルゴリズムを設計するために、(怠慢な)ミラー降下からアイデアをどう使うかを示す。 MNISTデータセットの線形回帰、サポートベクトル分類、ソフトマックス分類に基づく実験は、我々の理論的知見を裏付けるものである。
  論文  参考訳（メタデータ） (2024-07-19T08:29:12Z)
• Decoupling the Curve Modeling and Pavement Regression for Lane Detection [67.22629246312283]
  曲線に基づく車線表現は多くの車線検出法で一般的な手法である。 本稿では,曲線モデルと地上高さ回帰という2つの部分に分解することで,車線検出タスクに対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-09-19T11:24:14Z)
• RoadScan: A Novel and Robust Transfer Learning Framework for Autonomous Pothole Detection in Roads [0.0]
  本研究では,ディープラーニングと画像処理技術を用いた新しいポットホール検出手法を提案する。 このシステムは、道路利用者に重大なリスクをもたらす道路上の穴の致命的な問題に対処することを目的としている。
  論文  参考訳（メタデータ） (2023-08-07T10:47:08Z)
• RCLane: Relay Chain Prediction for Lane Detection [76.62424079494285]
  本稿では,リレーチェーン予測に基づく車線検出手法を提案する。 当社の戦略では,TuSimple,CULane,CurveLanes,LLAMASの4つの主要なベンチマーク上で,最先端の新たなベンチマークを確立することが可能です。
  論文  参考訳（メタデータ） (2022-07-19T16:48:39Z)
• Graph Attention Layer Evolves Semantic Segmentation for Road Pothole Detection: A Benchmark and Algorithms [34.80667966432126]
  既存の道路穴検出アプローチは、コンピュータビジョンベースまたは機械学習ベースに分類される。 後者のアプローチは一般的に、畳み込みニューラルネットワーク(CNN)をエンドツーエンドに使用した道路孔検出に対処する。 本稿では,既存の任意のCNNに容易に展開可能で,画像特徴表現をセマンティックセグメンテーションに最適化できる新しいCNN層を提案する。
  論文  参考訳（メタデータ） (2021-09-06T19:44:50Z)
• CP-loss: Connectivity-preserving Loss for Road Curb Detection in Autonomous Driving with Aerial Images [10.300623192980753]
  自動走行には道路停止検知が重要である。 現在の方法のほとんどは、カメラや3Dライダーなどの車両に搭載されたセンサーを使って、オンラインで道路の縁石を検出する。 本稿では,高分解能空中画像を用いて道路の縁石をオフラインで検出する。
  論文  参考訳（メタデータ） (2021-07-26T01:36:58Z)
• Real-Time Pothole Detection Using Deep Learning [0.0]
  本研究は,ポットホールを検出するために,異なるディープラーニングアーキテクチャをデプロイし,テストした。 トレーニングに使用された画像は、車のフロントガラスに取り付けられた携帯電話で収集された。 このシステムは、カメラから100メートル離れた範囲から穴を検出できた。
  論文  参考訳（メタデータ） (2021-07-13T19:36:34Z)
• DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
  我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。 グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。 2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
  論文  参考訳（メタデータ） (2020-12-22T21:58:57Z)
• Map-Enhanced Ego-Lane Detection in the Missing Feature Scenarios [26.016292792373815]
  本稿では,検出アルゴリズムの性能向上に優れた,デジタル地図に含まれる事前知識を活用する。 このようにして、路面形状と実車線の位置誤差を除去するためには、少数の車線特徴しか必要としない。 実験の結果,提案手法は様々なシナリオに適用可能であり,20Hzの周波数でリアルタイムに動作可能であることがわかった。
  論文  参考訳（メタデータ） (2020-04-02T16:06:48Z)
• 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。