Fugu-MT 論文翻訳(概要): Traffic Camera Calibration via Vehicle Vanishing Point Detection

論文の概要: Traffic Camera Calibration via Vehicle Vanishing Point Detection

arxiv url: http://arxiv.org/abs/2103.11438v1
Date: Sun, 21 Mar 2021 17:11:59 GMT
ステータス: 処理完了
システム内更新日: 2021-03-23 14:32:20.718419
Title: Traffic Camera Calibration via Vehicle Vanishing Point Detection
Title（参考訳）: 車両消滅点検出による交通カメラの校正
Authors: Viktor Kocur, Milan Ft\'a\v{c}nik
Abstract要約: 本稿では,消失点の位置を表すヒートマップを出力するCNNを提案する。我々は、カメラの焦点距離と道路面の向きを推定することにより、シーン形状を確立する。
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: In this paper we propose a traffic surveillance camera calibration method based on detection of pairs of vanishing points associated with vehicles in the traffic surveillance footage. To detect the vanishing points we propose a CNN which outputs heatmaps in which the positions of vanishing points are represented using the diamond space parametrization which enables us to detect vanishing points from the whole infinite projective space. From the detected pairs of vanishing points for multiple vehicles in a scene we establish the scene geometry by estimating the focal length of the camera and the orientation of the road plane. We show that our method achieves competitive results on the BrnoCarPark dataset while having fewer requirements than the current state of the art approach.
Abstract（参考訳）: 本稿では,交通監視映像における車両に付随する一対の消失点の検出に基づく交通監視カメラの校正手法を提案する。消失点を検出するために,ダイヤモンド空間のパラメトリゼーションを用いて消失点の位置を表現した熱マップを出力し,無限射影空間全体から消滅点を検出するCNNを提案する。カメラの焦点距離と道路面の向きを推定することにより,複数の車両に対して検出された一対の消滅点からシーン形状を確定する。本手法はbrnocarparkデータセットにおいて,現在の技術アプローチよりも少ない要件を持ちながら,競争力のある結果が得られることを示す。

関連論文リスト

Driver Attention Tracking and Analysis [17.536550982093143]
車両のフロントガラスとダッシュボードに装着された通常の2台のカメラを用いて、運転者の視線を推定する新しい手法を提案する。これは、未知の深さの3Dシーンを持つ交通環境のダイナミクスのため、難しい問題である。本研究では,シーンの画像と運転者の顔の画像とを同時に解析する新しい畳み込みネットワークを開発する。
論文参考訳（メタデータ） (2024-04-10T16:01:37Z)
Solution for Point Tracking Task of ICCV 1st Perception Test Challenge 2023 [50.910598799408326]
Tracking Any Point (TAP) タスクは、ビデオを通じて任意の物理的表面を追跡する。既存のいくつかのアプローチは、スムーズな運動軌跡を得るための時間的関係を考慮し、TAPを探索してきた。我々は,静的カメラが撮影したビデオの静的点追跡の修正に焦点を当てた,信頼度の高い静的点付きTAP(TAPIR+)を提案する。
論文参考訳（メタデータ） (2024-03-26T13:50:39Z)
Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
論文参考訳（メタデータ） (2022-11-15T13:52:41Z)
Perspective Aware Road Obstacle Detection [104.57322421897769]
道路障害物検出技術は,車間距離が大きくなるにつれて障害物の見かけの規模が減少するという事実を無視することを示す。画像位置毎に仮想物体の見かけの大きさを符号化したスケールマップを演算することでこれを活用できる。次に、この視点マップを利用して、遠近法に対応する大きさの道路合成物体に注入することで、トレーニングデータを生成する。
論文参考訳（メタデータ） (2022-10-04T17:48:42Z)
Real-Time Accident Detection in Traffic Surveillance Using Deep Learning [0.8808993671472349]
本稿では,交通監視用交差点における事故検出のための新しい効率的な枠組みを提案する。提案手法は,最先端のYOLOv4法に基づく効率的かつ高精度な物体検出を含む,3つの階層的なステップから構成される。提案フレームワークのロバスト性は,様々な照明条件でYouTubeから収集した映像シーケンスを用いて評価する。
論文参考訳（メタデータ） (2022-08-12T19:07:20Z)
Extrinsic Camera Calibration with Semantic Segmentation [60.330549990863624]
本稿では,セグメンテーション情報を利用してパラメータ推定を自動化する,外部カメラキャリブレーション手法を提案する。われわれのアプローチは、カメラのポーズの粗い初期測定と、車両に搭載されたライダーセンサーによる構築に依存している。シミュレーションおよび実世界のデータを用いて,キャリブレーション結果の低誤差測定を行う。
論文参考訳（メタデータ） (2022-08-08T07:25:03Z)
Structured Bird's-Eye-View Traffic Scene Understanding from Onboard Images [128.881857704338]
本研究では,BEV座標における局所道路網を表す有向グラフを,単眼カメラ画像から抽出する問題について検討する。提案手法は,BEV平面上の動的物体を検出するために拡張可能であることを示す。我々は、強力なベースラインに対するアプローチを検証するとともに、ネットワークが優れたパフォーマンスを達成することを示す。
論文参考訳（メタデータ） (2021-10-05T12:40:33Z)
Monocular 3D Vehicle Detection Using Uncalibrated Traffic Cameras through Homography [12.062095895630563]
本稿では,1台の交通カメラから3次元世界における車両の位置とポーズを抽出する手法を提案する。道路平面と画像平面の相同性が3D車両の検出に不可欠であることを観察する。本稿では,BEV画像の歪み検出精度を高めるためのtextittailedr-box と textitdual-view Network アーキテクチャを提案する。
論文参考訳（メタデータ） (2021-03-29T02:57:37Z)
Vehicle-Human Interactive Behaviors in Emergency: Data Extraction from Traffic Accident Videos [0.0]
現在、緊急時の車両と人間の対話行動を研究するには、ほとんど利用できない実際の緊急状況において、大量のデータセットが必要である。本稿では,実際の事故映像から対話行動データ(車と人間の軌跡)を抽出する,しかし便利な方法を提案する。リアルタイムの事故ビデオからデータを抽出する主な課題は、記録カメラが校正されておらず、監視の角度が不明であるという事実にある。
論文参考訳（メタデータ） (2020-03-02T22:17:46Z)
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。