論文の概要: Haul Road Mapping from GPS Traces
- arxiv url: http://arxiv.org/abs/2206.13936v1
- Date: Mon, 27 Jun 2022 04:35:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-29 13:57:03.297788
- Title: Haul Road Mapping from GPS Traces
- Title(参考訳): GPSによる道路地図の作成
- Authors: Konstantin M. Seiler
- Abstract要約: 本稿では,道路網の正確な表現を,現場で運用されているトラックから取得したGPSデータを用いて自動的に導き出す可能性について検討する。
全ての試験アルゴリズムで見られる欠点に基づいて, 地雷の現場に典型的な工芸品の道路地図を幾何学的に解析するポストプロセッシング・ステップが開発された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automation in mining requires accurate maps of road networks on site. Because
roads on open-cut mines are dynamic in nature and continuously changing,
manually updating road maps is tedious and error-prone. This paper investigates
the possibility of automatically deriving an accurate representation of the
road network using GPS data available from haul trucks operating on site. We
present an overview of approaches proposed in literature and test the
performance of publicly available methods on GPS data collected from trucks
operating on site. Based on shortcomings seen in all tested algorithms, a
post-processing step is developed which geometrically analyses the created road
map for artefacts typical of free-drive areas on mine sites and significantly
improves the quality of the final road network graph.
- Abstract(参考訳): マイニングの自動化には、現場の道路網の正確な地図が必要である。
オープンカット鉱山の道路は自然に動的であり、継続的に変化するので、手動で道路地図を更新するのは面倒で間違いやすい。
本稿では,道路網の正確な表現を,現場のトラックから取得したGPSデータを用いて自動的に導き出す可能性について検討する。
本稿では, 現場で走行するトラックから収集したGPSデータについて, 文献的アプローチの概要と, 公開手法の性能試験を行う。
全ての試験アルゴリズムで見られる欠点に基づいて,鉱山地におけるフリードライブの典型的な工芸品の道路地図を幾何学的に解析し,最終道路網グラフの品質を著しく向上させる後処理ステップを開発した。
関連論文リスト
- Road Graph Generator: Mapping roads at construction sites from GPS data [0.0]
地図構築現場におけるGPS軌道からの道路推定手法を提案する。
本課題は, 建設機械の非標準運動パターンが不安定であることから, 特異な課題を提起するものである。
論文 参考訳(メタデータ) (2024-02-15T12:53:25Z) - RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and
Comfortable Autonomous Driving [67.09546127265034]
道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。
我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。
約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
論文 参考訳(メタデータ) (2023-10-03T17:59:32Z) - 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) - Correcting Faulty Road Maps by Image Inpainting [6.1642231492615345]
そこで我々は,道路地図を複雑な道路ジオメトリで固定する,カスタムメイドのジオメトリを使わずに,新しい画像インペインティング手法を提案する。
提案手法は, 直線道路, 曲がりくねった道路, T-ジャンクション, 交差点など, 様々な実世界の道路測地における有効性を示す。
論文 参考訳(メタデータ) (2022-11-12T01:58:32Z) - csBoundary: City-scale Road-boundary Detection in Aerial Images for
High-definition Maps [10.082536828708779]
都市規模での道路境界の自動検出のためのcsBoundaryを提案する。
筆者らのネットワークは航空画像パッチを入力として,この画像から直接連続的な道路境界グラフを推定する。
私たちのcsBoundaryは、公開ベンチマークデータセットで評価され、比較されます。
論文 参考訳(メタデータ) (2021-11-11T02:04:36Z) - 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) - Fusion of neural networks, for LIDAR-based evidential road mapping [3.065376455397363]
LIDARスキャンにおける道路検出に最適化された新しい畳み込みアーキテクチャであるRoadSegを紹介する。
RoadSegは、個々のLIDARポイントを道路に属するか、そうでないかを分類するために使用される。
そこで本研究では,連続した道路検出結果を融合する明らかな道路マッピングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-02-05T18:14:36Z) - 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) - Convolutional Recurrent Network for Road Boundary Extraction [99.55522995570063]
我々は,LiDARとカメラ画像からの道路境界抽出の問題に取り組む。
我々は,完全畳み込みネットワークが道路境界の位置と方向をエンコードする深い特徴量を得る構造化モデルを設計する。
北米の大都市において,道路境界の完全なトポロジを99.3%の時間で得られる方法の有効性を示す。
論文 参考訳(メタデータ) (2020-12-21T18:59:12Z) - Automatic extraction of road intersection points from USGS historical
map series using deep convolutional neural networks [0.0]
道路交差点のデータは、異なる地理空間的応用と分析に利用されてきた。
我々は、ディープ畳み込みニューラルネットワークを領域ベースCNNと呼ばれるオブジェクト検出タスクに使用する標準パラダイムを採用した。
また、従来のコンピュータビジョンアルゴリズムと比較して、RCNNはより正確な抽出を提供する。
論文 参考訳(メタデータ) (2020-07-14T23:51:15Z) - Road Network Metric Learning for Estimated Time of Arrival [93.0759529610483]
本稿では,ATA(Estimated Time of Arrival)のための道路ネットワークメトリックラーニングフレームワークを提案する。
本研究は,(1)走行時間を予測する主回帰タスク,(2)リンク埋め込みベクトルの品質向上のための補助的計量学習タスクの2つの構成要素から構成される。
提案手法は最先端モデルよりも優れており,その促進は少ないデータでコールドリンクに集中していることを示す。
論文 参考訳(メタデータ) (2020-06-24T04:45:14Z)
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。