論文の概要: Evaluating Computer Vision Techniques for Urban Mobility on Large-Scale,
Unconstrained Roads
- arxiv url: http://arxiv.org/abs/2109.05226v1
- Date: Sat, 11 Sep 2021 09:07:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-14 15:40:47.240011
- Title: Evaluating Computer Vision Techniques for Urban Mobility on Large-Scale,
Unconstrained Roads
- Title（参考訳）: 大規模非拘束道路における都市移動のためのコンピュータビジョン技術の評価
- Authors: Harish Rithish, Raghava Modhugu, Ranjith Reddy, Rohit Saluja, C.V.
Jawahar
- Abstract要約: 本稿では,道路安全の課題を大規模に解決するために,簡易な移動画像撮影装置を提案する。
道路上の不規則を識別するために,近年のコンピュータビジョン技術を用いている。
また、トラフィック違反を見つけるためのモバイルイメージングソリューションの適用性を実証する。
- 参考スコア（独自算出の注目度）: 25.29906312974705
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conventional approaches for addressing road safety rely on manual
interventions or immobile CCTV infrastructure. Such methods are expensive in
enforcing compliance to traffic rules and do not scale to large road networks.
This paper proposes a simple mobile imaging setup to address several common
problems in road safety at scale. We use recent computer vision techniques to
identify possible irregularities on roads, the absence of street lights, and
defective traffic signs using videos from a moving camera-mounted vehicle.
Beyond the inspection of static road infrastructure, we also demonstrate the
mobile imaging solution's applicability to spot traffic violations. Before
deploying our system in the real-world, we investigate the strengths and
shortcomings of computer vision techniques on thirteen condition-based
hierarchical labels. These conditions include different timings, road type,
traffic density, and state of road damage. Our demonstrations are then carried
out on 2000 km of unconstrained road scenes, captured across an entire city.
Through this, we quantitatively measure the overall safety of roads in the city
through carefully constructed metrics. We also show an interactive dashboard
for visually inspecting and initiating action in a time, labor and
cost-efficient manner. Code, models, and datasets used in this work will be
publicly released.
- Abstract（参考訳）: 道路安全への従来のアプローチは、手動介入やimmobile cctvインフラに依存している。
このような手法は交通規則の遵守に費用がかかり、大規模な道路網にスケールしない。
本稿では,道路安全の課題に対処するために,簡易な移動画像撮影装置を提案する。
近年のコンピュータビジョン技術を用いて、道路上の不規則性、街路灯の欠如、移動中のカメラ搭載車両のビデオによる不規則な交通標識を特定する。
静的な道路インフラの検査以外にも,交通違反を検知するモバイルイメージングソリューションの適用性についても実証する。
システムを実世界で展開する前に,13の条件に基づく階層ラベル上でのコンピュータビジョン技術の長所と短所について検討する。
これらの条件には、異なるタイミング、道路タイプ、交通密度、道路損傷の状態が含まれる。
デモは2000kmの未制限の道路シーンで実施され、都市全体で撮影された。
これにより、慎重に構築されたメトリクスを用いて、市内の道路全体の安全性を定量的に測定する。
また,作業時間,作業時間,コスト効率の面で視覚的に動作を検査し,開始するためのインタラクティブなダッシュボードも提示する。
この作業で使用されるコード、モデル、データセットが公開される。
関連論文リスト
- Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。
本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。
我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文 参考訳（メタデータ） (2024-10-10T10:10:03Z) - Enhancing Safety for Autonomous Agents in Partly Concealed Urban Traffic Environments Through Representation-Based Shielding [2.9685635948300004]
本稿では,自律型エージェントが知覚できる情報を中心に,強化学習エージェント(RL)のための新しい状態表現を提案する。
我々の発見は、より堅牢で信頼性の高い自律ナビゲーション戦略の道を開いた。
論文 参考訳（メタデータ） (2024-07-05T08:34:49Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳（メタデータ） (2023-10-08T21:32:30Z) - OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。
OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。
様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
論文 参考訳（メタデータ） (2023-04-20T16:31:22Z) - 3D Scene Understanding at Urban Intersection using Stereo Vision and
Digital Map [4.640144833676576]
都市交差点における交通状況の空間的・時間的解析にステレオビジョンと3次元ディジタルマップを用いた手法を提案する。
東京都の都市キャニオンで収集した実交通データに対して,提案手法を質的,定量的に評価し,システムの有効性を実証した。
論文 参考訳（メタデータ） (2021-12-10T02:05:15Z) - Explainable, automated urban interventions to improve pedestrian and
vehicle safety [0.8620335948752805]
本稿では,歩行者や車両の安全性にアプローチするために,公共データソース,大規模街路画像,コンピュータビジョン技術を組み合わせる。
このパイプラインに関わるステップには、各都市シーンのハザード指標を決定するために、残留畳み込みニューラルネットワークの適応とトレーニングが含まれる。
この計算手法の結果は、都市全体の危険レベルの詳細なマップであり、歩行者と車両の安全性を同時に改善する可能性がある。
論文 参考訳（メタデータ） (2021-10-22T09:17:39Z) - Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。
本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。
提案手法は,高品質なトラフィックフローマップを作成できる。
論文 参考訳（メタデータ） (2021-09-29T07:51:49Z) - Traffic-Net: 3D Traffic Monitoring Using a Single Camera [1.1602089225841632]
我々は,1台のCCTVトラヒックカメラを用いたリアルタイムトラヒック監視のための実用的なプラットフォームを提供する。
車両・歩行者検出のためのカスタムYOLOv5ディープニューラルネットワークモデルとSORT追跡アルゴリズムの改良を行った。
また、短時間・長期の時間的ビデオデータストリームに基づく階層的なトラフィックモデリングソリューションも開発している。
論文 参考訳（メタデータ） (2021-09-19T16:59:01Z) - End-to-End Intersection Handling using Multi-Agent Deep Reinforcement
Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。
本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。
本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文 参考訳（メタデータ） (2021-04-28T07:54:40Z) - Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
運転環境の要素が道路ルールの出現の原因となるかを分析する。
2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。
我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
論文 参考訳（メタデータ） (2020-11-21T09:43:50Z) - Unsupervised Vehicle Counting via Multiple Camera Domain Adaptation [9.730985797769764]
市民の生活の質と都市環境を改善するためには, 都市内の車両流のモニタリングが不可欠である。
画像のヒンジを大量の注釈付きデータにカウントする現在の技術は、新しいカメラがシステムに追加されるにつれて、都市規模へのスケーラビリティを損なう。
我々は,複数のカメラ領域を適応させてラベル付きデータが少ない画像に基づく車両密度推定器を設計するための新しい手法を提案し,議論する。
論文 参考訳（メタデータ） (2020-04-20T13:00:46Z)
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。