論文の概要: MODISSA: a multipurpose platform for the prototypical realization of vehicle-related applications using optical sensors

• arxiv url: http://arxiv.org/abs/2105.13580v1
• Date: Fri, 28 May 2021 04:21:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-31 13:24:34.557199
• Title: MODISSA: a multipurpose platform for the prototypical realization of vehicle-related applications using optical sensors
• Title（参考訳）: MODISSA:光学センサを用いた車両関連アプリケーションのプロトタイプ実現のための多目的プラットフォーム
• Authors: Bj\"orn Borgmann (1 and 2), Volker Schatz (1), Marcus Hammer (1), Marcus Hebel (1), Michael Arens (1), Uwe Stilla (2) ((1) Fraunhofer IOSB, Ettlingen, Germany, (2) Technical University of Munich (TUM), Munich, Germany)
• Abstract要約: センサ付自動車MODISSAの開発状況について述べる。 3つの異なるアプリケーションの範囲内で、その特定の構成による実験についてより深い洞察を与えます。 他の研究グループは、独自のモバイルセンサーシステムを構築する際に、これらの経験から恩恵を受けることができる。
• 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: We present the current state of development of the sensor-equipped car MODISSA, with which Fraunhofer IOSB realizes a configurable experimental platform for hardware evaluation and software development in the context of mobile mapping and vehicle-related safety and protection. MODISSA is based on a van that has successively been equipped with a variety of optical sensors over the past few years, and contains hardware for complete raw data acquisition, georeferencing, real-time data analysis, and immediate visualization on in-car displays. We demonstrate the capabilities of MODISSA by giving a deeper insight into experiments with its specific configuration in the scope of three different applications. Other research groups can benefit from these experiences when setting up their own mobile sensor system, especially regarding the selection of hardware and software, the knowledge of possible sources of error, and the handling of the acquired sensor data.
• Abstract（参考訳）: 本稿では,Fraunhofer IOSBがモバイルマッピングと車両関連安全・保護の文脈において,ハードウェア評価とソフトウェア開発のための構成可能な実験プラットフォームを実現するための,センサ付き自動車MODISSAの開発状況について述べる。 MODISSAは、過去数年間、様々な光学センサーを搭載し、完全な生データ取得、ジオレファレンス、リアルタイムデータ分析、車載ディスプレイの即時可視化のためのハードウェアを含むバンをベースにしている。 3つの異なるアプリケーションの範囲内で、その特定の構成による実験について深い洞察を与えることで、MODISSAの能力を実証する。 他の研究グループは、ハードウェアとソフトウェアの選択、潜在的なエラーの原因の知識、取得したセンサーデータの処理に関して、独自のモバイルセンサーシステムを設定する際のこれらの経験から恩恵を受けることができる。

関連論文リスト

• Graph-Based Multi-Modal Sensor Fusion for Autonomous Driving [3.770103075126785]
  本稿では,グラフに基づく状態表現の開発に焦点をあてた,マルチモーダルセンサ融合に対する新しいアプローチを提案する。 本稿では,マルチモーダルグラフを融合する最初のオンライン状態推定手法であるSensor-Agnostic Graph-Aware Kalman Filterを提案する。 提案手法の有効性を,合成および実世界の運転データセットを用いた広範囲な実験により検証した。
  論文  参考訳（メタデータ） (2024-11-06T06:58:17Z)
• Multiple and Gyro-Free Inertial Datasets [1.989354417511267]
  慣性ナビゲーションシステム(INS)は3つの加速度計とジャイロスコープを使用してプラットフォームの位置、速度、方向を決定する。 ロボット工学、自律プラットフォーム、モノのインターネットなど、INSには数え切れないほどの応用がある。 ジャイロフリーINS (GFINS) とMIMU (Multiple Inertial Measurement Unit) アーキテクチャにはデータセットがない。 このデータセットは35時間の慣性データと対応する真理軌道を含む。
  論文  参考訳（メタデータ） (2024-03-21T17:36:53Z)
• Advancing Location-Invariant and Device-Agnostic Motion Activity Recognition on Wearable Devices [6.557453686071467]
  センサ位置をまたいだ運動モデルの一般化可能性に関する総合的な評価を行う。 我々の分析は、この課題を強調し、位置不変モデルを構築する上で重要な位置を特定する。 本稿では,センサ配置に関係なく,デバイス上での動作モデルを単一モデルから91.41%のフレームレベルF1スコアに展開する。
  論文  参考訳（メタデータ） (2024-02-06T05:10:00Z)
• Federated Learning on Edge Sensing Devices: A Review [0.0]
  プライバシ、ハードウェア、接続性の制限に対するソリューションとして、フェデレートラーニング(FL)が登場している。 FLの主要な原則、ソフトウェアフレームワーク、テストベッドに重点を置いています。 また,現在のセンサ技術,センサ装置の特性,FLを利用したセンサアプリケーションについても検討する。
  論文  参考訳（メタデータ） (2023-11-02T12:55:26Z)
• Framework for Quality Evaluation of Smart Roadside Infrastructure Sensors for Automated Driving Applications [2.0502751783060003]
  本稿では,スマート道路インフラストラクチャセンサの詳細な品質評価を行うための新しい手法を提案する。 DAIR-V2Xデータセットで評価し,様々なセンサタイプにまたがるマルチモーダルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-16T10:21:07Z)
• Berlin V2X: A Machine Learning Dataset from Multiple Vehicles and Radio Access Technologies [56.77079930521082]
  我々は,MLに基づく多種多様な研究への道を開くための詳細な測定キャンペーンを実施してきた。 得られたデータセットは、携帯電話(と2つの異なるオペレーター)とサイドリンク無線アクセス技術の両方のために、様々な都市環境にまたがるGPS位置の無線測定を提供する。 私たちは、MLが克服しなければならない課題と、MLが活用できる機能について、データの初期分析を提供しています。
  論文  参考訳（メタデータ） (2022-12-20T15:26:39Z)
• HUM3DIL: Semi-supervised Multi-modal 3D Human Pose Estimation for Autonomous Driving [95.42203932627102]
  3Dの人間のポーズ推定は、自動運転車が歩行者の微妙で複雑な振る舞いを知覚し理解できるようにする新しい技術である。 提案手法は,これらの補完信号を半教師付き方式で効率的に利用し,既存の手法よりも大きなマージンで性能を向上する。 具体的には、LiDAR点を画素整列マルチモーダル特徴に埋め込み、トランスフォーマーの精細化段階を経る。
  論文  参考訳（メタデータ） (2022-12-15T11:15:14Z)
• VISTA 2.0: An Open, Data-driven Simulator for Multimodal Sensing and Policy Learning for Autonomous Vehicles [131.2240621036954]
  VISTAはオープンソースのデータ駆動シミュレータで、複数のタイプのセンサーを自律走行車に組み込む。 高忠実で実世界のデータセットを使用して、VISTAはRGBカメラ、3D LiDAR、イベントベースのカメラを表現し、シミュレートする。 センサタイプ毎に知覚制御ポリシーをトレーニングし,テストする能力を示し,フルスケールの自律走行車への展開を通じて,このアプローチのパワーを示す。
  論文  参考訳（メタデータ） (2021-11-23T18:58:10Z)
• Domain and Modality Gaps for LiDAR-based Person Detection on Mobile Robots [91.01747068273666]
  本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。 実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。 その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
  論文  参考訳（メタデータ） (2021-06-21T16:35:49Z)
• SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
  センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。 動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。 評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-04T23:06:56Z)
• Learning Selective Sensor Fusion for States Estimation [47.76590539558037]
  本稿では,エンド・ツー・エンドのセンサ・フュージョン・モジュールであるSelectFusionを提案する。 予測中、ネットワークは異なるセンサーモードから潜伏する特徴の信頼性を評価することができる。 我々は、公開データセットと漸進的に劣化したデータセットの両方において、すべての融合戦略を広範囲に評価する。
  論文  参考訳（メタデータ） (2019-12-30T20:25:16Z)

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。