論文の概要: iCurb: Imitation Learning-based Detection of Road Curbs using Aerial
Images for Autonomous Driving
- arxiv url: http://arxiv.org/abs/2103.17118v1
- Date: Wed, 31 Mar 2021 14:40:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-01 14:20:37.934834
- Title: iCurb: Imitation Learning-based Detection of Road Curbs using Aerial
Images for Autonomous Driving
- Title（参考訳）: iCurb: 自律走行のための航空画像を用いた暗示学習による道路カーブ検出
- Authors: Zhenhua Xu, Yuxiang Sun, Ming Liu
- Abstract要約: 道路の縁石は自動運転に不可欠な能力です。
通常、道路の縁石は、ビデオカメラや3dlidarなどの車載センサーを使ってオンラインで検出される。
航空画像を用いた道路縁石のオフライン検出のための新しいソリューションを提案する。
- 参考スコア（独自算出の注目度）: 11.576868193291997
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Detection of road curbs is an essential capability for autonomous driving. It
can be used for autonomous vehicles to determine drivable areas on roads.
Usually, road curbs are detected on-line using vehicle-mounted sensors, such as
video cameras and 3-D Lidars. However, on-line detection using video cameras
may suffer from challenging illumination conditions, and Lidar-based approaches
may be difficult to detect far-away road curbs due to the sparsity issue of
point clouds. In recent years, aerial images are becoming more and more
worldwide available. We find that the visual appearances between road areas and
off-road areas are usually different in aerial images, so we propose a novel
solution to detect road curbs off-line using aerial images. The input to our
method is an aerial image, and the output is directly a graph (i.e., vertices
and edges) representing road curbs. To this end, we formulate the problem as an
imitation learning problem, and design a novel network and an innovative
training strategy to train an agent to iteratively find the road-curb graph.
The experimental results on a public dataset confirm the effectiveness and
superiority of our method. This work is accompanied with a demonstration video
and a supplementary document at https://tonyxuqaq.github.io/iCurb/.
- Abstract（参考訳）: 自動走行には,道路縁石の検出が不可欠である。
自動運転車が道路の乾燥可能な地域を決定するのに使用できる。
通常、道路の縁石は、ビデオカメラや3dlidarなどの車載センサーを使ってオンラインで検出される。
しかし, ビデオカメラを用いたオンライン検出は照明条件の難しさに悩まされる可能性があり, 点雲のばらつきが原因で, 遠距離道路封鎖の検出は困難である。
近年、航空画像はますます世界中で利用されるようになった。
航空画像では道路エリアとオフロードエリアの視覚的な外観が通常異なることが分かり、航空画像を用いてオフラインの道路縁石を検出する新しい方法を提案する。
提案手法への入力は空中画像であり,出力は直接道路縁を表すグラフ(頂点と縁)である。
この目的のために、問題を模倣学習問題として定式化し、新しいネットワークと革新的なトレーニング戦略をデザインし、エージェントに道路カーブグラフを反復的に見つけるように訓練する。
公開データセットにおける実験結果から,本手法の有効性と優越性を確認した。
この作業にはデモビデオと,https://tonyxuqaq.github.io/iCurb/.comで追加資料が添付されている。
関連論文リスト
- Prior Based Online Lane Graph Extraction from Single Onboard Camera
Image [133.68032636906133]
単眼カメラ画像からレーングラフをオンラインに推定する。
前者は、トランスフォーマーベースのWasserstein Autoencoderを通じてデータセットから抽出される。
オートエンコーダは、最初のレーングラフ推定を強化するために使用される。
論文 参考訳（メタデータ） (2023-07-25T08:58:26Z) - FlowMap: Path Generation for Automated Vehicles in Open Space Using
Traffic Flow [32.8563901381583]
FlowMapは、トラフィックフローに基づいた自動車両のためのパス生成フレームワークである。
交通流場(TFF)における経路生成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-05-02T17:27:37Z) - Online Lane Graph Extraction from Onboard Video [133.68032636906133]
オンボードカメラからの映像ストリームを、周囲のレーングラフのオンライン抽出に使用しています。
入力が1つの画像ではなくビデオを使うことは、異なるタイムステップからの情報を組み合わせることのメリットと課題の両方をもたらす。
提案手法の1つのモデルでは、1つを含む任意の数の画像を処理し、正確なレーングラフを生成することができる。
論文 参考訳（メタデータ） (2023-04-03T12:36:39Z) - Road Detection in Snowy Forest Environment using RGB Camera [0.0]
本稿では,RGBカメラを用いた森林環境における雪道の検出について紹介する。
画像成分を分類するために、ノイズフィルタリング技術と形態演算を組み合わせる。
False Negative RateとFalse Positive Rateの2つの誤差値でアルゴリズムの性能を評価する。
論文 参考訳（メタデータ） (2022-12-16T14:49:27Z) - RNGDet: Road Network Graph Detection by Transformer in Aerial Images [19.141279413414082]
道路ネットワークグラフは、自動運転車アプリケーションにとって重要な情報を提供する。
手動でアノテートする道路ネットワークグラフは非効率で労働集約的です。
RNGDetという変圧器と模倣学習に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2022-02-16T01:59:41Z) - 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) - 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) - Topo-boundary: A Benchmark Dataset on Topological Road-boundary
Detection Using Aerial Images for Autonomous Driving [11.576868193291997]
オフライントポロジカル道路境界検出のための新しいベンチマークデータセットであるtextitTopo-boundaryを提案する。
データセットには21,556$1000times 1000$-size 4-channel aerial imageが含まれる。
データセットを用いて,3つのセグメンテーションベースラインと5つのグラフベースラインを実装し,評価する。
論文 参考訳（メタデータ） (2021-03-31T14:42:00Z) - Self-Supervised Steering Angle Prediction for Vehicle Control Using
Visual Odometry [55.11913183006984]
視覚オドメトリー法を用いて推定したカメラポーズを用いて,車両の軌道制御をモデルに訓練する方法を示す。
車両の前方にカメラを設置することにより,複数の異なる走行経路からの軌跡情報を活用するスケーラブルなフレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-20T16:29:01Z) - Detecting Road Obstacles by Erasing Them [101.45116269051692]
画像パッチを選択して周囲の道路テクスチャに塗布し,そのパッチから障害を取り除く傾向にある。
次に、元のパッチと塗布されたパッチとの相違を認識するためにトレーニングされたネットワークを使用し、消去された障害を通知します。
論文 参考訳（メタデータ） (2020-12-25T21:56:36Z) - 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。