論文の概要: Cyber Mobility Mirror: Deep Learning-based Real-time 3D Object
Perception and Reconstruction Using Roadside LiDAR
- arxiv url: http://arxiv.org/abs/2202.13505v1
- Date: Mon, 28 Feb 2022 01:58:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-01 16:37:59.950586
- Title: Cyber Mobility Mirror: Deep Learning-based Real-time 3D Object
Perception and Reconstruction Using Roadside LiDAR
- Title（参考訳）: cyber mobility mirror: 道路サイドライダーを用いたディープラーニングに基づくリアルタイム3次元物体認識と再構成
- Authors: Zhengwei Bai, Saswat Priyadarshi Nayak, Xuanpeng Zhao, Guoyuan Wu,
Matthew J. Barth, Xuewei Qi, Yongkang Liu, Kentaro Oguchi
- Abstract要約: Cyber Mobility Mirrorは、3Dオブジェクトの検出、分類、追跡、再構築のための次世代のリアルタイム交通監視システムである。
実地試験の結果,試作システムでは96.99%の精度で,83.62%のリコールを達成できた。
高忠実度リアルタイム交通条件は、搭載車両のGUIに3-4Hzの周波数で表示することができる。
- 参考スコア（独自算出の注目度）: 14.566471856473813
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Enabling Cooperative Driving Automation (CDA) requires high-fidelity and
real-time perception information, which is available from onboard sensors or
vehicle-to-everything (V2X) communications. Nevertheless, the accessibility of
this information may suffer from the range and occlusion of perception or
limited penetration rates in connectivity. In this paper, we introduce the
prototype of Cyber Mobility Mirror (CMM), a next-generation real-time traffic
surveillance system for 3D object detection, classification, tracking, and
reconstruction, to provide CAVs with wide-range high-fidelity perception
information in a mixed traffic environment. The CMM system consists of six main
components: 1) the data pre-processor to retrieve and pre-process raw data from
the roadside LiDAR; 2) the 3D object detector to generate 3D bounding boxes
based on point cloud data; 3) the multi-objects tracker to endow unique IDs to
detected objects and estimate their dynamic states; 4) the global locator to
map positioning information from the LiDAR coordinate to geographic coordinate
using coordinate transformation; 5) the cloud-based communicator to transmit
perception information from roadside sensors to equipped vehicles; and 6) the
onboard advisor to reconstruct and display the real-time traffic conditions via
Graphical User Interface (GUI). In this study, a field-operational prototype
system is deployed at a real-world intersection, University Avenue and Iowa
Avenue in Riverside, California to assess the feasibility and performance of
our CMM system. Results from field tests demonstrate that our CMM prototype
system can provide satisfactory perception performance with 96.99% precision
and 83.62% recall. High-fidelity real-time traffic conditions (at the object
level) can be displayed on the GUI of the equipped vehicle with a frequency of
3-4 Hz.
- Abstract（参考訳）: Enabling Cooperative Driving Automation (CDA) は、オンボードセンサーやV2X通信から利用できる高忠実でリアルタイムな知覚情報を必要とする。
それにもかかわらず、この情報のアクセシビリティは、知覚の範囲や閉塞、接続の浸透率の制限に苦しむ可能性がある。
本稿では,3次元物体検出,分類,追跡,再構築のための次世代リアルタイム交通監視システムであるCyber Mobility Mirror(CMM)のプロトタイプを紹介し,混合交通環境における広帯域高忠実性知覚情報を提供する。
CMMシステムは6つの主要コンポーネントから構成される。
1) 道路側LiDARから生データを検索して前処理するデータ前処理装置
2) 点雲データに基づく3次元拘束箱を生成する3次元物体検出器
3) 検出対象にユニークなIDを付与し,その動的状態を推定するマルチオブジェクトトラッカー
4)座標変換を用いたlidar座標から地理座標への測位情報をマッピングするグローバル測位器
5)道路センサから車両に知覚情報を伝達するクラウドベースの通信装置
6)gui(graphical user interface)によるリアルタイムトラフィック条件の再構築と表示を行うオンボードアドバイザ。
本研究では,カリフォルニア州リバーサイドのユニバーシティ・アベニューとアイオワ・アベニューの交差点にフィールド・オペレーショナル・プロトタイプ・システムを構築し,CMMシステムの実現可能性と性能を評価する。
フィールドテストの結果、我々のCMMプロトタイプシステムは96.99%の精度と83.62%のリコールで良好な認識性能を提供できることが示された。
高忠実なリアルタイム交通条件(オブジェクトレベル)は、搭載車両のGUIに3-4Hzの周波数で表示することができる。
関連論文リスト
- InScope: A New Real-world 3D Infrastructure-side Collaborative Perception Dataset for Open Traffic Scenarios [13.821143687548494]
本稿では,新しい3次元インフラ側協調認識データセットについて紹介する。
InScopeは303の追跡軌道と187,787個の3D境界ボックスで20日間の捕獲期間をカプセル化している。
論文 参考訳（メタデータ） (2024-07-31T13:11:14Z) - Empowering Urban Traffic Management: Elevated 3D LiDAR for Data Collection and Advanced Object Detection Analysis [4.831084635928491]
本稿では,高機能LiDARセンサのパワーを利用して,交通シナリオにおける3次元物体の検出と解析を変換する新しいフレームワークを提案する。
実世界のトラフィックデータセットの取得に制限があるため、シミュレータを用いて特定のシナリオに対して3Dポイントクラウドを生成する。
論文 参考訳（メタデータ） (2024-05-21T21:12:09Z) - Cross-Cluster Shifting for Efficient and Effective 3D Object Detection
in Autonomous Driving [69.20604395205248]
本稿では,自律運転における3次元物体検出のための3次元点検出モデルであるShift-SSDを提案する。
我々は、ポイントベース検出器の表現能力を解き放つために、興味深いクロスクラスタシフト操作を導入する。
我々は、KITTI、ランタイム、nuScenesデータセットに関する広範な実験を行い、Shift-SSDの最先端性能を実証した。
論文 参考訳（メタデータ） (2024-03-10T10:36:32Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。
我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
論文 参考訳（メタデータ） (2022-08-24T16:54:38Z) - Ret3D: Rethinking Object Relations for Efficient 3D Object Detection in
Driving Scenes [82.4186966781934]
Ret3Dと呼ばれるシンプルで効率的で効果的な2段階検出器を導入する。
Ret3Dの中核は、新しいフレーム内およびフレーム間関係モジュールの利用である。
無視できる余分なオーバーヘッドにより、Ret3Dは最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2022-08-18T03:48:58Z) - Real-Time And Robust 3D Object Detection with Roadside LiDARs [20.10416681832639]
道路沿いのLiDARにおける交通参加者をリアルタイムに検出できる3次元物体検出モデルを設計する。
我々のモデルは既存の3D検出器をベースラインとして使用し、精度を向上させる。
スマートシティのアプリケーションに使用できるLiDARベースの3D検出器に多大な貢献をしています。
論文 参考訳（メタデータ） (2022-07-11T21:33:42Z) - Collaborative 3D Object Detection for Automatic Vehicle Systems via
Learnable Communications [8.633120731620307]
本稿では,3つのコンポーネントから構成される新しい3次元オブジェクト検出フレームワークを提案する。
実験結果と帯域使用量分析により,本手法は通信コストと計算コストを削減できることを示した。
論文 参考訳（メタデータ） (2022-05-24T07:17:32Z) - Cyber Mobility Mirror for Enabling Cooperative Driving Automation: A
Co-Simulation Platform [16.542137414609606]
共シミュレーションプラットフォームは、高忠実度センサー認識システムとリアルタイム3D再構成システムによるサイバーワールドの両方で、現実世界をシミュレートすることができる。
ミラーワールドシミュレーターは知覚情報から3Dオブジェクトとその軌跡を再構築する役割を担っている。
道路沿いのLiDARを用いたリアルタイム車両検出・3次元再構築システムの研究事例を試作した。
論文 参考訳（メタデータ） (2022-01-24T05:27:20Z) - Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing
Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。
生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
論文 参考訳（メタデータ） (2021-04-22T12:47:37Z) - Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data
Augmentation [77.60050239225086]
実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。
私達のアプローチは人間の相互作用なしで完全に自動です。
VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-15T03:03:38Z)
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。