論文の概要: Autonomous Driving Data Chain & Interfaces
- arxiv url: http://arxiv.org/abs/2104.01252v1
- Date: Fri, 2 Apr 2021 21:39:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-08 04:37:32.097546
- Title: Autonomous Driving Data Chain & Interfaces
- Title(参考訳): 自動運転データチェーンとインターフェース
- Authors: Benjamin Kahl
- Abstract要約: この文書は、自己修復マップデータチェーンの各ステップで最もよく使われるインターフェースとフォーマットをレビューします。
最近の自動運転技術の発展により、マップデータは一般的なルーティング目的だけでなく、一般的なセンサーデータの強化と補完にも使われることが証明されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent developments in autonomous driving technology have proven that map
data may be used, not only for general routing purposes, but also for to
enhance and complement common sensor data. This document reviews the most
commonly used interfaces and formats at each step of a selfhealing map data
chain.
- Abstract(参考訳): 最近の自動運転技術の発展により、マップデータは一般的なルーティング目的だけでなく、一般的なセンサーデータの強化と補完にも使われることが証明されている。
この文書は、自己修復マップデータチェーンの各ステップで最もよく使われるインターフェースとフォーマットをレビューします。
関連論文リスト
- G-MEMP: Gaze-Enhanced Multimodal Ego-Motion Prediction in Driving [71.9040410238973]
我々は、視線データを用いて、運転者の車両のエゴ軌道を推定することに集中する。
次に、GPSとビデオ入力と視線データを組み合わせた新しいマルチモーダルエゴ軌道予測ネットワークであるG-MEMPを開発する。
その結果,G-MEMPは両ベンチマークにおいて最先端の手法よりも優れていた。
論文 参考訳(メタデータ) (2023-12-13T23:06:30Z) - Semantic Map Learning of Traffic Light to Lane Assignment based on
Motion Data [12.853720506838043]
自動運転車は通常、車線への信号の割り当てに関する情報を含むHigh Definition (HD)マップに依存している。
これらの問題を解決するために,交通信号の状態と対応する車両交通の動作パターンから課題を導出する。
Lyft Level 5データセット用の公開APIによって、研究者は独自のアプローチを開発し、評価することができます。
論文 参考訳(メタデータ) (2023-09-26T09:42:21Z) - A System-driven Automatic Ground Truth Generation Method for DL
Inner-City Driving Corridor Detectors [0.0]
乾燥可能なエゴ回廊のセマンティックセグメンテーションのための自動ラベリング手法を提案する。
提案した全体論的アプローチは、自動データループで使用することができ、依存する知覚モジュールを継続的に改善することができる。
論文 参考訳(メタデータ) (2022-07-20T12:55:16Z) - Exploring Map-based Features for Efficient Attention-based Vehicle
Motion Prediction [3.222802562733787]
複数のエージェントの動作予測は、任意に複雑な環境において重要なタスクである。
本稿では,効率的な注意モデルを用いてArgoverse 1.0ベンチマークで競合性能を実現する方法を示す。
論文 参考訳(メタデータ) (2022-05-25T22:38:11Z) - Pedestrian Detection: Domain Generalization, CNNs, Transformers and
Beyond [82.37430109152383]
その結果、現在の歩行者検知器は、クロスデータセット評価において、たとえ小さな領域シフトであっても処理が不十分であることがわかった。
限定的な一般化は、その方法と現在のデータ源の2つの主要な要因に帰着する。
本稿では、一般化を改善する進歩的な微調整戦略を提案する。
論文 参考訳(メタデータ) (2022-01-10T06:00:26Z) - Radar-based Automotive Localization using Landmarks in a Multimodal
Sensor Graph-based Approach [0.0]
本稿では,自動車用レーダによる局部化の問題に対処する。
システムは抽象層としてランドマークとオドメトリ情報を使用する。
単一のセマンティックランドマークマップが、すべてのセンサーで使用され、維持される。
論文 参考訳(メタデータ) (2021-04-29T07:35:20Z) - Universal Embeddings for Spatio-Temporal Tagging of Self-Driving Logs [72.67604044776662]
我々は、生のセンサデータから、自動運転シーンの時間的タグ付けの問題に取り組む。
提案手法では,全てのタグに対する普遍的な埋め込みを学習し,多くの属性を効率的にタグ付けし,限られたデータで新しい属性を高速に学習する。
論文 参考訳(メタデータ) (2020-11-12T02:18:16Z) - Learning Accurate and Human-Like Driving using Semantic Maps and
Attention [152.48143666881418]
本稿では,より正確かつ人間らしく運転できるエンド・ツー・エンド駆動モデルについて検討する。
HERE Technologiesのセマンティックマップとビジュアルマップを活用し、既存のDrive360データセットを拡張します。
私たちのモデルは、実世界の運転データ60時間3000kmのDrive360+HEREデータセットでトレーニングされ、評価されています。
論文 参考訳(メタデータ) (2020-07-10T22:25:27Z) - Explicit Domain Adaptation with Loosely Coupled Samples [85.9511585604837]
本稿では,ドメイン間の明示的なマッピングを学習するトランスファーラーニングフレームワークを提案する。
その解釈可能性のために、これは自律運転のような安全クリティカルなアプリケーションにとって有益である。
論文 参考訳(メタデータ) (2020-04-24T21:23:45Z) - Generalizable Pedestrian Detection: The Elephant In The Room [82.37430109152383]
既存の最先端の歩行者検出器は、同じデータセット上でトレーニングやテストを行う際には、非常によく機能するが、データセット間の評価では、十分に一般化されていない。
ウェブをクロールすることで収集される多様で高密度なデータセットは、歩行者検出のための事前学習の効率的な情報源であることを示す。
論文 参考訳(メタデータ) (2020-03-19T14:14:52Z) - The Pedestrian Patterns Dataset [11.193504036335503]
データセットは、異なる特定のタイムスロットから1週間、同じ3つのルートを繰り返すことで収集された。
データセットの目的は、横断するルートに沿って異なる時間に、社会的および歩行者の行動パターンをキャプチャすることである。
論文 参考訳(メタデータ) (2020-01-06T23:58:39Z)
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。