論文の概要: SIND: A Drone Dataset at Signalized Intersection in China
- arxiv url: http://arxiv.org/abs/2209.02297v1
- Date: Tue, 6 Sep 2022 08:49:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-07 15:09:31.132775
- Title: SIND: A Drone Dataset at Signalized Intersection in China
- Title（参考訳）: SIND:中国の信号通信におけるドローンのデータセット
- Authors: Yanchao Xu, Wenbo Shao, Jun Li, Kai Yang, Weida Wang, Hua Huang, Chen
Lv, Hong Wang
- Abstract要約: 本稿では,中国天津市で典型的な2相信号化交差点を選定する。
パイプラインはSIND(Signalized Intersection)を構築するために設計されており、7種類の13,000以上のTPを含む7時間の録音を含む。
SINDは、トラヒックライト状態、モーションパラメータ、High Definition(HD)マップなど、より包括的な情報を提供する。
- 参考スコア（独自算出の注目度）: 24.177976559875066
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Intersection is one of the most challenging scenarios for autonomous driving
tasks. Due to the complexity and stochasticity, essential applications (e.g.,
behavior modeling, motion prediction, safety validation, etc.) at intersections
rely heavily on data-driven techniques. Thus, there is an intense demand for
trajectory datasets of traffic participants (TPs) in intersections. Currently,
most intersections in urban areas are equipped with traffic lights. However,
there is not yet a large-scale, high-quality, publicly available trajectory
dataset for signalized intersections. Therefore, in this paper, a typical
two-phase signalized intersection is selected in Tianjin, China. Besides, a
pipeline is designed to construct a Signalized INtersection Dataset (SIND),
which contains 7 hours of recording including over 13,000 TPs with 7 types.
Then, the behaviors of traffic light violations in SIND are recorded.
Furthermore, the SIND is also compared with other similar works. The features
of the SIND can be summarized as follows: 1) SIND provides more comprehensive
information, including traffic light states, motion parameters, High Definition
(HD) map, etc. 2) The category of TPs is diverse and characteristic, where the
proportion of vulnerable road users (VRUs) is up to 62.6% 3) Multiple traffic
light violations of non-motor vehicles are shown. We believe that SIND would be
an effective supplement to existing datasets and can promote related research
on autonomous driving.The dataset is available online via:
https://github.com/SOTIF-AVLab/SinD
- Abstract（参考訳）: 交差点は、自動運転タスクにとって最も難しいシナリオの1つです。
複雑性と確率性のため、交差点における重要な応用(行動モデリング、動き予測、安全性検証など)はデータ駆動技術に大きく依存する。
したがって、交差点における交通参加者(TP)の軌跡データセットの需要は極めて高い。
現在、都市部のほとんどの交差点には信号機が設置されている。
しかし、信号化された交差点のための大規模で高品質な軌道データセットはまだ存在しない。
そこで,本稿では,中国天津市に典型的な2相信号交差点を選定する。
さらに、パイプラインはsind(signalized intersection dataset)を構築するように設計されており、これには7種類の13,000 tps以上の記録が含まれている。
そして、SINDにおける信号違反の挙動を記録する。
さらに、SINDは他の類似の作品と比較される。
罪の特徴は次のように要約することができる。
1)SINDは、交通信号の状態、動きパラメータ、高定義(HD)マップなど、より包括的な情報を提供する。
2)TPのカテゴリーは多様で特徴的であり,脆弱道路利用者(VRU)の割合は62.6%である。
3)非動力車両の複数の信号違反を示す。
SINDは既存のデータセットの効果的なサプリメントであり、自動運転に関する関連する研究を促進することができると考えている。
関連論文リスト
- XTraffic: A Dataset Where Traffic Meets Incidents with Explainability and More [38.092415845567345]
トラヒックとインシデントという2つの非常に相関の深いトラックで研究が行われている。
XTrafficデータセットには、トラフィック、すなわち、トラフィックフロー、車線占有率、平均車両速度の時系列インデックスが含まれている。
各ノードは、レーンの詳細な物理ポリシーレベルのメタ属性を含む。
論文 参考訳（メタデータ） (2024-07-16T08:16:01Z) - What is a typical signalized intersection in a city? A pipeline for intersection data imputation from OpenStreetMap [3.434206965978478]
OpenStreetMap (OSM) から信号化交差点に関する情報を効果的に抽出するパイプラインを提案する。
パイプラインはオープンソースのPythonライブラリとして公開されており、誰でも自由にダウンロードして、研究を促進することができる。
論文 参考訳（メタデータ） (2024-05-22T09:47:44Z) - BjTT: A Large-scale Multimodal Dataset for Traffic Prediction [49.93028461584377]
従来の交通予測手法は、交通トレンドを予測するために、過去の交通データに依存している。
本研究では,交通システムを記述するテキストと生成モデルを組み合わせることで,交通生成にどのように応用できるかを考察する。
本稿では,テキスト・トラフィック生成のための最初の拡散モデルChatTrafficを提案する。
論文 参考訳（メタデータ） (2024-03-08T04:19:56Z) - The IMPTC Dataset: An Infrastructural Multi-Person Trajectory and
Context Dataset [4.413278371057897]
市内の交差点は、怪我や致命的な事故で最も重要な交通エリアである。
われわれは、ドイツのインテリジェントな公共都市交差点と視覚センサー技術を使用している。
得られたデータセットは8時間の計測データから構成される。
論文 参考訳（メタデータ） (2023-07-12T13:46:20Z) - Robust Roadside Perception: an Automated Data Synthesis Pipeline
Minimizing Human Annotation [16.51811916515588]
高品質なラベル付き道路センサデータの多様性の欠如は、ロバスト性を低下させる。
生成Adrial Networkは、さらに現実性を高めるために適用され、フォトリアリスティック合成データセットを生成する。
我々のアプローチは、ミシガン州の2つの重要な交差点であるマキティ交差点と州立セント・エルズワースRdラウンドアバウトで厳格にテストされた。
論文 参考訳（メタデータ） (2023-06-29T21:00:57Z) - 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) - IDD-3D: Indian Driving Dataset for 3D Unstructured Road Scenes [79.18349050238413]
デプロイ可能なディープラーニングアーキテクチャの準備とトレーニングには、さまざまなトラフィックシナリオに適したモデルが必要である。
インドなどいくつかの発展途上国で見られる非構造的で複雑な運転レイアウトは、これらのモデルに挑戦している。
我々は、複数のカメラと12kの注釈付き駆動LiDARフレームを備えたLiDARセンサーのマルチモーダルデータからなる新しいデータセットIDD-3Dを構築した。
論文 参考訳（メタデータ） (2022-10-23T23:03:17Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - Interaction Detection Between Vehicles and Vulnerable Road Users: A Deep
Generative Approach with Attention [9.442285577226606]
交差点における相互作用検出のための条件生成モデルを提案する。
道路利用者の行動の連続性に関する膨大な映像データを自動解析することを目的としています。
モデルの有効性は実世界のデータセットでテストすることによって検証された。
論文 参考訳（メタデータ） (2021-05-09T10:03:55Z) - Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。
本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
論文 参考訳（メタデータ） (2021-04-19T11:48:13Z) - Deep traffic light detection by overlaying synthetic context on
arbitrary natural images [49.592798832978296]
深部交通光検出器のための人工的な交通関連トレーニングデータを生成する手法を提案する。
このデータは、任意の画像背景の上に偽のトラフィックシーンをブレンドするために、基本的な非現実的なコンピュータグラフィックスを用いて生成される。
また、交通信号データセットの本質的なデータ不均衡問題にも対処し、主に黄色い状態のサンプルの少なさによって引き起こされる。
論文 参考訳（メタデータ） (2020-11-07T19:57:22Z)
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。