Fugu-MT 論文翻訳(概要): ORFD: A Dataset and Benchmark for Off-Road Freespace Detection

論文の概要: ORFD: A Dataset and Benchmark for Off-Road Freespace Detection

arxiv url: http://arxiv.org/abs/2206.09907v1
Date: Mon, 20 Jun 2022 17:22:57 GMT
ステータス: 処理完了
システム内更新日: 2022-06-23 10:20:39.333940
Title: ORFD: A Dataset and Benchmark for Off-Road Freespace Detection
Title（参考訳）: ORFD:オフロード自由空間検出のためのデータセットとベンチマーク
Authors: Chen Min and Weizhong Jiang and Dawei Zhao and Jiaolong Xu and Liang Xiao and Yiming Nie and Bin Dai
Abstract要約: ORFDデータセットは、私たちの知る限り、最初のオフロード自由空間検出データセットである。このデータセットは、様々な場面(森林、農地、草原、田舎)、異なる気象条件(雨、雨、霧、雪)、異なる光条件(明るい光、日光、ツワイライト、暗闇)で収集された。本稿では,ローカルおよびグローバルな情報を集約するためにTransformerアーキテクチャを統一した OFF-Net という新しいネットワークを提案する。
参考スコア（独自算出の注目度）: 8.254796320415709
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Freespace detection is an essential component of autonomous driving technology and plays an important role in trajectory planning. In the last decade, deep learning-based free space detection methods have been proved feasible. However, these efforts were focused on urban road environments and few deep learning-based methods were specifically designed for off-road free space detection due to the lack of off-road benchmarks. In this paper, we present the ORFD dataset, which, to our knowledge, is the first off-road free space detection dataset. The dataset was collected in different scenes (woodland, farmland, grassland, and countryside), different weather conditions (sunny, rainy, foggy, and snowy), and different light conditions (bright light, daylight, twilight, darkness), which totally contains 12,198 LiDAR point cloud and RGB image pairs with the traversable area, non-traversable area and unreachable area annotated in detail. We propose a novel network named OFF-Net, which unifies Transformer architecture to aggregate local and global information, to meet the requirement of large receptive fields for free space detection tasks. We also propose the cross-attention to dynamically fuse LiDAR and RGB image information for accurate off-road free space detection. Dataset and code are publicly available athttps://github.com/chaytonmin/OFF-Net.
Abstract（参考訳）: フリースペース検出は自動運転技術の重要な要素であり、軌道計画において重要な役割を果たす。過去10年間で、ディープラーニングに基づく自由空間検出手法が実証された。しかし、これらの取り組みは都市道路環境に焦点を当てており、オフロードベンチマークの欠如によりオフロード自由空間検出に特化したディープラーニングベースの手法はほとんどなかった。本稿では,このorfdデータセットについて述べる。このデータセットは,我々の知る限りでは,最初のオフロード自由空間検出データセットである。データセットは、異なるシーン(森林、農地、草地、田園地帯)、異なる気象条件(日光、雨、霧、雪)、異なる光環境(明るい光、日光、トワイライト、暗闇)で収集され、12,198個のライダーポイント雲とrgb画像対と、横断可能領域、非横断可能領域、到達不能領域を詳細に注釈した。本稿では,自由空間検出タスクのための大きな受容場の必要性を満たすために,局地情報とグローバル情報を集約するためにトランスフォーマアーキテクチャを統合するoff-netという新しいネットワークを提案する。また,正確なオフロード自由空間検出のために,LiDARとRGB画像情報を動的に融合するクロスアテンションを提案する。データセットとコードはhttps://github.com/chaytonmin/OFF-Net.comで公開されている。

関連論文リスト

Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文参考訳（メタデータ） (2023-08-14T16:48:57Z)
Language-Guided 3D Object Detection in Point Cloud for Autonomous Driving [91.91552963872596]
我々は,LiDARグラウンディングと呼ばれるマルチモーダルな視覚的グラウンドニングタスクを提案する。言語特徴を持つLiDARベースの物体検出器を共同で学習し、検出器から直接対象領域を予測する。私たちの研究は、LiDARベースの接地作業に関する深い洞察を提供しており、自動運転コミュニティにとって有望な方向性を示すものと期待しています。
論文参考訳（メタデータ） (2023-05-25T06:22:10Z)
NVRadarNet: Real-Time Radar Obstacle and Free Space Detection for Autonomous Driving [57.03126447713602]
本稿では,自動車のRADARセンサを用いて動的障害物や乾燥可能な自由空間を検出するディープニューラルネットワーク(DNN)を提案する。ネットワークは組み込みGPU上でリアルタイムよりも高速に動作し、地理的領域にわたって優れた一般化を示す。
論文参考訳（メタデータ） (2022-09-29T01:30:34Z)
Ithaca365: Dataset and Driving Perception under Repeated and Challenging Weather Conditions [0.0]
我々は、新しいデータ収集プロセスを通じて、堅牢な自律運転を可能にする新しいデータセットを提案する。データセットには、高精度GPS/INSとともに、カメラとLiDARセンサーからの画像と点雲が含まれている。道路・オブジェクトのアモーダルセグメンテーションにおけるベースラインの性能を解析することにより,このデータセットの特異性を実証する。
論文参考訳（メタデータ） (2022-08-01T22:55:32Z)
Det6D: A Ground-Aware Full-Pose 3D Object Detector for Improving Terrain Robustness [1.4620086904601473]
空間的・姿勢的制約を伴わない初の完全自由度3次元物体検出器であるDet6Dを提案する。ピッチやロールを含む全方向のポーズを予測するために,地上認識方向分岐を設計する。異なる地形における本手法の有効性とロバスト性について実験を行った。
論文参考訳（メタデータ） (2022-07-19T17:12:48Z)
Towards Space-to-Ground Data Availability for Agriculture Monitoring [0.0]
本稿では,クラウドソーシングプラットフォームであるMapillaryのストリートレベル画像とともに,Sentinel-1レーダとSentinel-2光画像時系列を含む地上空間データセットを提案する。これらの異なるデータドメイン上で機械学習とディープラーニングのアルゴリズムをトレーニングし、意思決定の信頼性を高めるための融合技術の可能性を強調します。
論文参考訳（メタデータ） (2022-05-16T14:35:48Z)
PC-DAN: Point Cloud based Deep Affinity Network for 3D Multi-Object Tracking (Accepted as an extended abstract in JRDB-ACT Workshop at CVPR21) [68.12101204123422]
点雲は3次元座標における空間データの密集したコンパイルである。我々は3次元多目的追跡(MOT)のためのPointNetベースのアプローチを提案する。
論文参考訳（メタデータ） (2021-06-03T05:36:39Z)
Low-latency Perception in Off-Road Dynamical Low Visibility Environments [0.9142067094647588]
本研究は、未舗装道路とオフロード環境に特化した自動運転車と先進運転支援システムを提案する。未舗装とオフロードの異なる環境の約12,000枚の画像が収集され、ラベルがつけられた。畳み込みニューラルネットワークを使用して、車が通過可能な障害領域を分割するように訓練しました。
論文参考訳（メタデータ） (2020-12-23T22:54:43Z)
SNE-RoadSeg: Incorporating Surface Normal Information into Semantic Segmentation for Accurate Freespace Detection [25.402581647410695]
自由空間検出は、自動運転車にとって視覚的知覚の重要な構成要素である。本研究では,高密度深度/不均質画像から表面正規情報を推測できる,表面正規分布推定器 (SNE) を新たに導入する。我々は,R2D(Ready-to-Drive)ロードデータセットと呼ばれる大規模合成自由空間検出データセットを,異なる照明と気象条件下で収集した。
論文参考訳（メタデータ） (2020-08-26T02:43:25Z)
Reconfigurable Voxels: A New Representation for LiDAR-Based Point Clouds [76.52448276587707]
本稿では,3次元点群から表現を構成する新しい手法であるReconfigurable Voxelsを提案する。具体的には,各地区を一定数のボクセルで適応的にカバーするランダムウォーク方式を考案する。この手法は,特に疎水領域において,ボクセル特性の安定性を効果的に向上することがわかった。
論文参考訳（メタデータ） (2020-04-06T15:07:16Z)
Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
論文参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。