論文の概要: Doppler velocity-based algorithm for Clustering and Velocity Estimation
of moving objects
- arxiv url: http://arxiv.org/abs/2112.12984v1
- Date: Fri, 24 Dec 2021 07:57:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-28 16:47:05.965493
- Title: Doppler velocity-based algorithm for Clustering and Velocity Estimation
of moving objects
- Title（参考訳）: ドップラー速度に基づく移動物体のクラスタリングと速度推定アルゴリズム
- Authors: Mian Guo, Kai Zhong, Xiaozhi Wang
- Abstract要約: 本稿では,FMCW LiDARの特性に基づくドップラー速度クラスタと速度推定アルゴリズムを提案する。
提案アルゴリズムは,少なくとも4.5万個の点を処理し,3600x CPUの演算パワーで毎秒150個の移動物体の速度を推定できることを示す。
- 参考スコア（独自算出の注目度）: 11.328509097182895
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a Doppler velocity-based cluster and velocity estimation algorithm
based on the characteristics of FMCW LiDAR which achieves highly accurate,
single-scan, and real-time motion state detection and velocity estimation. We
prove the continuity of the Doppler velocity on the same object. Based on this
principle, we achieve the distinction between moving objects and stationary
background via region growing clustering algorithm. The obtained stationary
background will be used to estimate the velocity of the FMCW LiDAR by the
least-squares method. Then we estimate the velocity of the moving objects using
the estimated LiDAR velocity and the Doppler velocity of moving objects
obtained by clustering. To ensure real-time processing, we set the appropriate
least-squares parameters. Meanwhile, to verify the effectiveness of the
algorithm, we create the FMCW LiDAR model on the autonomous driving simulation
platform CARLA for spawning data. The results show that our algorithm can
process at least a 4.5million points and estimate the velocity of 150 moving
objects per second under the arithmetic power of the Ryzen 3600x CPU, with a
motion state detection accuracy of over 99% and estimated velocity accuracy of
0.1 m/s.
- Abstract（参考訳）: 本研究では,FMCW LiDARの特性に基づくドップラー速度クラスタと速度推定アルゴリズムを提案する。
我々は同じ物体上でドップラー速度の連続性を証明した。
この原理に基づき,領域拡大クラスタリングアルゴリズムを用いて移動物体と静止背景の区別を実現する。
得られた静止背景を用いて最小二乗法によりFMCW LiDARの速度を推定する。
次に,推定lidar速度とクラスタリングにより得られた移動物体のドップラー速度を用いて,移動物体の速度を推定する。
リアルタイム処理を確保するために,適切な最小二乗パラメータを設定した。
一方、このアルゴリズムの有効性を検証するため、自動走行シミュレーションプラットフォームCARLA上でFMCW LiDARモデルを作成し、データを生成する。
その結果,少なくとも450万点を処理でき,ryzen 3600x cpuの演算能力で毎秒150個の移動物体の速度を推定でき,動作状態検出精度は99%以上,速度精度は0.1m/sであった。
関連論文リスト
- Adaptive Multi-source Predictor for Zero-shot Video Object Segmentation [68.56443382421878]
ゼロショットビデオオブジェクトセグメンテーション(ZVOS)のための新しい適応型マルチソース予測器を提案する。
静的オブジェクト予測器では、RGBソースは、同時に深度および静注ソースに変換される。
実験の結果,提案モデルは3つのZVOSベンチマークにおいて最先端の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-03-18T10:19:29Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳（メタデータ） (2022-07-21T12:03:02Z) - Motion-from-Blur: 3D Shape and Motion Estimation of Motion-blurred
Objects in Videos [115.71874459429381]
本研究では,映像から3次元の運動,3次元の形状,および高度に動きやすい物体の外観を同時推定する手法を提案する。
提案手法は, 高速移動物体の劣化と3次元再構成において, 従来の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-11-29T11:25:14Z) - Lidar with Velocity: Motion Distortion Correction of Point Clouds from
Oscillating Scanning Lidars [5.285472406047901]
移動物体からのライダー点雲の歪みは、自律運転において重要な問題である。
グスタフソンをベースとしたライダーとカメラの融合は,全速度を推定し,ライダーの歪みを補正するために提案される。
このフレームワークは実際の道路データに基づいて評価され、融合法は従来のICP法やポイントクラウド法よりも優れている。
論文 参考訳（メタデータ） (2021-11-18T03:13:08Z) - Real Time Monocular Vehicle Velocity Estimation using Synthetic Data [78.85123603488664]
移動車に搭載されたカメラから車両の速度を推定する問題を考察する。
そこで本研究では,まずオフ・ザ・シェルフ・トラッカーを用いて車両バウンディングボックスを抽出し,その後,小型ニューラルネットワークを用いて車両速度を回帰する2段階のアプローチを提案する。
論文 参考訳（メタデータ） (2021-09-16T13:10:27Z) - A Framework for Real-time Traffic Trajectory Tracking, Speed Estimation,
and Driver Behavior Calibration at Urban Intersections Using Virtual Traffic
Lanes [5.735035463793008]
本稿では,VT-Laneを用いて得られた高精度な軌跡と移動分類を取り入れたケーススタディを提案する。
我々は、高度に計測された車両を用いて、ビデオ推論から得られた推定速度を検証する。
次に、推定速度を用いて、研究領域における車両の運転行動モデルのパラメータを校正する。
論文 参考訳（メタデータ） (2021-06-18T06:15:53Z) - Object Tracking by Detection with Visual and Motion Cues [1.7818230914983044]
自動運転車は、カメラ画像中の物体を検出し、追跡する必要がある。
本稿では,カルマンフィルタを用いた定速度運動モデルに基づく簡易オンライン追跡アルゴリズムを提案する。
課題のあるBDD100データセットに対するアプローチを評価します。
論文 参考訳（メタデータ） (2021-01-19T10:29:16Z) - End-to-end Learning for Inter-Vehicle Distance and Relative Velocity
Estimation in ADAS with a Monocular Camera [81.66569124029313]
本稿では,ディープニューラルネットワークのエンドツーエンドトレーニングに基づくカメラによる車間距離と相対速度推定手法を提案する。
提案手法の重要な特徴は,2つの時間的単眼フレームによって提供される複数の視覚的手がかりの統合である。
また,移動場における視線歪みの影響を緩和する車両中心サンプリング機構を提案する。
論文 参考訳（メタデータ） (2020-06-07T08:18:31Z) - Detection of 3D Bounding Boxes of Vehicles Using Perspective
Transformation for Accurate Speed Measurement [3.8073142980733]
交通監視カメラで捉えた車両の3次元境界ボックス検出のためのアルゴリズムの改良版を提案する。
我々のアルゴリズムは、探索されたシーンの点の既知の幾何を利用して視点変換を構築する。
他の最先端の完全自動結果と比較して、我々のアルゴリズムは平均絶対速度測定誤差を32%(1.10 km/hから0.75 km/h)、絶対中央値誤差を40%(0.97 km/hから0.58 km/h)削減する。
論文 参考訳（メタデータ） (2020-03-29T21:01:25Z)
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。