論文の概要: CP-loss: Connectivity-preserving Loss for Road Curb Detection in
Autonomous Driving with Aerial Images
- arxiv url: http://arxiv.org/abs/2107.11920v1
- Date: Mon, 26 Jul 2021 01:36:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-27 15:53:51.392992
- Title: CP-loss: Connectivity-preserving Loss for Road Curb Detection in
Autonomous Driving with Aerial Images
- Title（参考訳）: CP-loss:航空画像を用いた自律走行における道路カーブ検出のための接続性保持損失
- Authors: Zhenhua Xu, Yuxiang Sun, Lujia Wang, Ming Liu
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 10.300623192980753
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Road curb detection is important for autonomous driving. It can be used to
determine road boundaries to constrain vehicles on roads, so that potential
accidents could be avoided. Most of the current methods detect road curbs
online using vehicle-mounted sensors, such as cameras or 3-D Lidars. However,
these methods usually suffer from severe occlusion issues. Especially in
highly-dynamic traffic environments, most of the field of view is occupied by
dynamic objects. To alleviate this issue, we detect road curbs offline using
high-resolution aerial images in this paper. Moreover, the detected road curbs
can be used to create high-definition (HD) maps for autonomous vehicles.
Specifically, we first predict the pixel-wise segmentation map of road curbs,
and then conduct a series of post-processing steps to extract the graph
structure of road curbs. To tackle the disconnectivity issue in the
segmentation maps, we propose an innovative connectivity-preserving loss
(CP-loss) to improve the segmentation performance. The experimental results on
a public dataset demonstrate the effectiveness of our proposed loss function.
This paper is accompanied with a demonstration video and a supplementary
document, which are available at
\texttt{\url{https://sites.google.com/view/cp-loss}}.
- Abstract（参考訳）: 自動走行には道路停止検知が重要である。
道路上の車両を拘束するために道路境界を決定するために使用することができ、潜在的な事故を避けることができる。
現在の方法の多くは、カメラや3dlidarなどの車載センサーを使って、道路の縁石をオンラインで検出する。
しかし、これらの方法は通常、深刻な閉塞の問題に苦しむ。
特に高ダイナミックなトラフィック環境では、視野のほとんどが動的オブジェクトによって占められている。
この問題を軽減するため,本稿では高分解能空中画像を用いて道路縁石をオフラインで検出する。
さらに、検出された道路縁石を用いて、自動運転車のための高精細(HD)マップを作成することができる。
具体的には,まず道路縁石の画素ワイドセグメンテーションマップを推定し,その後,道路縁石のグラフ構造を抽出するための一連の後処理を行う。
セグメンテーションマップにおける切断性問題に取り組むため、セグメンテーション性能を向上させるために、革新的な接続性保存損失(cp-loss)を提案する。
公開データセットにおける実験結果は,提案する損失関数の有効性を示す。
この論文にはデモビデオと補足ドキュメントが付属しており、これは \texttt{\url{https://sites.google.com/view/cp-loss}} で利用可能である。
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) - 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) - Multi-modal curb detection and filtering [11.74956489227383]
本稿では,カメラセマンティクスと高密度ライダー点雲の融合に基づくロバストなストレッチ検出とフィルタリング手法を提案する。
提案システムは,複雑な都市道路シナリオにおいて,いかなる方向の縁石も検出できることを実証した。
論文 参考訳（メタデータ） (2022-05-14T17:03:41Z) - csBoundary: City-scale Road-boundary Detection in Aerial Images for
High-definition Maps [10.082536828708779]
都市規模での道路境界の自動検出のためのcsBoundaryを提案する。
筆者らのネットワークは航空画像パッチを入力として,この画像から直接連続的な道路境界グラフを推定する。
私たちのcsBoundaryは、公開ベンチマークデータセットで評価され、比較されます。
論文 参考訳（メタデータ） (2021-11-11T02:04:36Z) - 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) - SPIN Road Mapper: Extracting Roads from Aerial Images via Spatial and
Interaction Space Graph Reasoning for Autonomous Driving [64.10636296274168]
道路抽出は、自律航法システムを構築するための重要なステップである。
この問題に対して単に畳み込みニューラルネットワーク(ConvNets)を使用することは、画像内の道路セグメント間の遠い依存関係をキャプチャする非効率であるため、効果がない。
本研究では,ConvNetに接続した時,特徴写像から投影された空間空間および相互作用空間上に構築されたグラフの推論を行う空間空間グラフ推論(SPIN)モジュールを提案する。
論文 参考訳（メタデータ） (2021-09-16T03:52:17Z) - iCurb: Imitation Learning-based Detection of Road Curbs using Aerial
Images for Autonomous Driving [11.576868193291997]
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。
論文 参考訳（メタデータ） (2021-03-31T14:40:31Z) - Convolutional Recurrent Network for Road Boundary Extraction [99.55522995570063]
我々は,LiDARとカメラ画像からの道路境界抽出の問題に取り組む。
我々は,完全畳み込みネットワークが道路境界の位置と方向をエンコードする深い特徴量を得る構造化モデルを設計する。
北米の大都市において,道路境界の完全なトポロジを99.3%の時間で得られる方法の有効性を示す。
論文 参考訳（メタデータ） (2020-12-21T18:59:12Z) - Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。
提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文 参考訳（メタデータ） (2020-03-10T00:04:32Z) - 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。