論文の概要: Mapping suburban bicycle lanes using street scene images and deep learning

• arxiv url: http://arxiv.org/abs/2204.12701v1
• Date: Wed, 27 Apr 2022 04:56:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-28 13:25:53.972808
• Title: Mapping suburban bicycle lanes using street scene images and deep learning
• Title（参考訳）: ストリートシーン画像とディープラーニングを用いた郊外自転車レーンのマッピング
• Authors: Tyler Saxton
• Abstract要約: 本論文は、各道路からサンプルストリートシーン画像を取り出すことにより、測量エリアにおける自転車レーンの地図を作成する方法を提案する。 自転車レーンのシンボルを認識するために訓練された深層学習モデルを適用した。 この手法はメルボルン郊外の測量エリアの地図作成に有効であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: On-road bicycle lanes improve safety for cyclists, and encourage participation in cycling for active transport and recreation. With many local authorities responsible for portions of the infrastructure, official maps and datasets of bicycle lanes may be out-of-date and incomplete. Even "crowdsourced" databases may have significant gaps, especially outside popular metropolitan areas. This thesis presents a method to create a map of bicycle lanes in a survey area by taking sample street scene images from each road, and then applying a deep learning model that has been trained to recognise bicycle lane symbols. The list of coordinates where bicycle lane markings are detected is then correlated to geospatial data about the road network to record bicycle lane routes. The method was applied to successfully build a map for a survey area in the outer suburbs of Melbourne. It was able to identify bicycle lanes not previously recorded in the official state government dataset, OpenStreetMap, or the "biking" layer of Google Maps.
• Abstract（参考訳）: オンロード自転車レーンはサイクリストの安全を改善し、アクティブな輸送とレクリエーションのためにサイクリングに参加することを奨励している。 多くの地方自治体がインフラの一部を担当しており、公式地図や自転車レーンのデータセットは時代遅れで不完全である可能性がある。 crowdsourced"データベースでさえも、特に大都市以外では大きなギャップがある可能性がある。 本論文は,各道路からストリートシーン画像のサンプルを採取し,自転車レーンのシンボル認識を訓練した深層学習モデルを適用することで,サーベイエリアにおける自転車レーンの地図を作成する手法を提案する。 次に、自転車レーン標識を検出する座標リストを、自転車レーン経路を記録する道路網の地理空間データに関連付ける。 この手法はメルボルン郊外の測量エリアの地図の作成に応用された。 公式の州政府のデータセットであるOpenStreetMapやGoogle Mapsの"自転車"層に記録されていない自転車レーンを特定できた。

関連論文リスト

• Classifying Bicycle Infrastructure Using On-Bike Street-Level Images [0.0]
  多くの潜在的なサイクリストは、適切な安全なインフラが欠如しているため、サイクリングを控えている。 自転車用スマートフォンカメラデータから利用可能なサイクリングインフラを分類できるシステムを提案する。 この研究は、自転車に搭載された携帯電話カメラから収集されたストリートレベルの画像のみを使用して、サイクリングインフラを分類した最初のものである。
  論文  参考訳（メタデータ） (2024-10-24T22:58:31Z)
• 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)
• From Counting Stations to City-Wide Estimates: Data-Driven Bicycle Volume Extrapolation [0.0]
  ストリートレベルの自転車量情報は、都市が自転車を奨励するためのインフラの改善を計画するのに役立つだろう。 現在市や市民が利用できるデータは、わずかに数える駅からしか得られないことが多い。 本論文は,ベルリン全都市における自転車の容積を推定するために,これらの数箇所を超える自転車の容積を推定する。
  論文  参考訳（メタデータ） (2024-06-26T16:01:53Z)
• LaneSegNet: Map Learning with Lane Segment Perception for Autonomous Driving [60.55208681215818]
  道路構造の完全な表現を得るために,レーンセグメントを生成する最初のエンドツーエンドマッピングネットワークであるLaneSegNetを紹介した。 提案アルゴリズムは2つの重要な修正点を特徴としている。1つは、長距離特徴空間内の重要な領域の詳細をキャプチャするレーンアテンションモジュールである。 OpenLane-V2データセットでは、LaneSegNetは3つのタスクにまたがって大幅に向上している。
  論文  参考訳（メタデータ） (2023-12-26T16:22:10Z)
• 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)
• 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)
• Pix2Map: Cross-modal Retrieval for Inferring Street Maps from Images [42.05213970259352]
  本稿では,エゴビュー画像から直接都市街路地図トポロジを推定するPix2Mapを紹介する。 この問題は、画像や既存の地図のジョイント、クロスモーダルな埋め込み空間を学習することで、クロスモーダル検索として表すことができる。 検索した地図は既存の地図を更新または拡張したり、概念実証結果を示すためにも利用できることを示す。
  論文  参考訳（メタデータ） (2023-01-10T22:05:35Z)
• Repainting and Imitating Learning for Lane Detection [52.5220065495956]
  現行の車線検出手法は、重い影による視認性車線問題に苦慮している。 本稿では,教師と学生のペアを含む新しいリペイント・イミメーティング学習フレームワークを提案する。 提案手法は,推定中に余分な時間的コストを伴わず,様々な最先端車線検出ネットワークでプラグアンドプレイが可能となる。
  論文  参考訳（メタデータ） (2022-10-11T02:26:39Z)
• CyclingNet: Detecting cycling near misses from video streams in complex urban scenes with deep learning [1.462434043267217]
  CyclingNetは、自己注意型双方向長短メモリ(LSTM)ブロックに埋め込まれた畳み込み構造に基づく深層コンピュータビジョンモデルである。 1つのGPUで42時間トレーニングした後、モデルはトレーニング、テスト、バリデーションセットに対して高い精度を示す。 このモデルは、都市のサイクリング行動に関する重要な結論を導く情報を生成するために使用されることを意図している。
  論文  参考訳（メタデータ） (2021-01-31T23:59:28Z)
• DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
  我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。 グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。 2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
  論文  参考訳（メタデータ） (2020-12-22T21:58:57Z)
• Urban Bike Lane Planning with Bike Trajectories: Models, Algorithms, and a Real-World Case Study [13.781010691827072]
  本研究では,自転車共有システムのようなスマートシティのインフラで利用可能な細粒度の自転車軌道データに基づいて,都市の自転車レーン計画問題について検討する。 自転車シェアリングシステムが世界中の大都市圏で普及するにつれ、自転車レーンは多くの市町村によって自転車の促進と自転車の保護のために計画され建設されている。 大規模最適化問題の解法として, トラクタブルな定式化と効率的なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-08-21T18:46:51Z)

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。