論文の概要: Automatic vehicle trajectory data reconstruction at scale
- arxiv url: http://arxiv.org/abs/2212.07907v1
- Date: Thu, 15 Dec 2022 15:39:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 17:45:07.700892
- Title: Automatic vehicle trajectory data reconstruction at scale
- Title（参考訳）: 大規模車両軌道データの自動再構成
- Authors: Yanbing Wang, Derek Gloudemans, Zi Nean Teoh, Lisa Liu, Gergely
Zach\'ar, William Barbour, Daniel Work
- Abstract要約: 自動車の軌道データは過去数十年間、研究の注目を集めてきた。
高解像度ビデオカメラ、車載レーダー、ライダーなどの技術改良により、豊富な個人とコンテキストの交通データが利用可能になった。
同一物体(車両)に関連付けられたフラグメントをマッチングするデータアソシエーションアルゴリズムを含むパイプラインを提案する。
和解パイプラインのオンライン版が実装され、テネシー州ナッシュビル近郊の州間高速道路24号線の4マイルの長さをカバーする連続的なビデオ処理システムに適用される。
- 参考スコア（独自算出の注目度）: 2.6553713413568913
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Vehicle trajectory data has received increasing research attention over the
past decades. With the technological sensing improvements such as
high-resolution video cameras, in-vehicle radars and lidars, abundant
individual and contextual traffic data is now available. However, though the
data quantity is massive, it is by itself of limited utility for traffic
research because of noise and systematic sensing errors, thus necessitates
proper processing to ensure data quality. We draw particular attention to
extracting high-resolution vehicle trajectory data from video cameras as
traffic monitoring cameras are becoming increasingly ubiquitous. We explore
methods for automatic trajectory data reconciliation, given "raw" vehicle
detection and tracking information from automatic video processing algorithms.
We propose a pipeline including a) an online data association algorithm to
match fragments that are associated to the same object (vehicle), which is
formulated as a min-cost network flow problem of a graph, and b) a trajectory
reconciliation method formulated as a quadratic program to enhance raw
detection data. The pipeline leverages vehicle dynamics and physical
constraints to associate tracked objects when they become fragmented, remove
measurement noise on trajectories and impute missing data due to
fragmentations. The accuracy is benchmarked on a sample of manually-labeled
data, which shows that the reconciled trajectories improve the accuracy on all
the tested input data for a wide range of measures. An online version of the
reconciliation pipeline is implemented and will be applied in a continuous
video processing system running on a camera network covering a 4-mile stretch
of Interstate-24 near Nashville, Tennessee.
- Abstract（参考訳）: 過去数十年間、車両軌道データは研究の注目を集めてきた。
高精細度ビデオカメラ、車載レーダー、ライダーなどの技術改良により、豊富な個人とコンテキストのトラフィックデータが利用可能になった。
しかし、データ量は膨大であるが、ノイズや系統的な検知誤差のため、それ自体は交通研究に限られており、データ品質を確保するためには適切な処理が必要である。
交通監視カメラが普及するにつれて,ビデオカメラから高分解能車両軌跡データを抽出することに特に注目する。
自動ビデオ処理アルゴリズムから車両の「生」検出と追跡情報をもとに,自動軌道データ照合手法を提案する。
パイプラインも提案します
イ グラフのミニコストネットワークフロー問題として定式化された同一対象(車両)に関連する断片と一致するオンラインデータ関連アルゴリズム
ロ 生検データを強化するための二次プログラムとして定式化された軌道調整方法
パイプラインは車両のダイナミックスと物理的制約を活用して、追跡対象が断片化されると関連付け、軌道上の計測ノイズを除去し、断片化による欠落したデータをインプットする。
この精度は、手動ラベルデータサンプル上でベンチマークされ、調整された軌道は、幅広い測定値に対して、すべてのテストされた入力データの精度を向上させることを示している。
リコンシリエーションパイプラインのオンライン版が実装され、テネシー州ナッシュビル近くの州間高速道路24号線の4マイル幅をカバーするカメラネットワークで動作する連続ビデオ処理システムに適用される予定である。
関連論文リスト
- Application of 2D Homography for High Resolution Traffic Data Collection
using CCTV Cameras [9.946460710450319]
本研究では,CCTVカメラから高精細なトラフィックデータを抽出するための3段階のビデオ分析フレームワークを実装した。
このフレームワークの主要な構成要素は、オブジェクト認識、視点変換、車両軌道再構成である。
その結果, カメラ推定値間の速度偏差は10%以下で, 方向トラフィック数では+/-4.5%の誤差率を示した。
論文 参考訳（メタデータ） (2024-01-14T07:33:14Z) - 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) - SAPI: Surroundings-Aware Vehicle Trajectory Prediction at Intersections [4.982485708779067]
SAPIは交差点での車両軌道を予測するためのディープラーニングモデルである。
提案モデルは2つの畳み込みニューラルネットワーク(CNN)と1つのデコーダからなる。
我々は、自動運転車を介して現実世界の交差点で収集されたプロプライエタリなデータセット上でSAPIを評価する。
論文 参考訳（メタデータ） (2023-06-02T07:10:45Z) - DeepAccident: A Motion and Accident Prediction Benchmark for V2X
Autonomous Driving [76.29141888408265]
本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。
提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
論文 参考訳（メタデータ） (2023-04-03T17:37:00Z) - Real-Time Accident Detection in Traffic Surveillance Using Deep Learning [0.8808993671472349]
本稿では,交通監視用交差点における事故検出のための新しい効率的な枠組みを提案する。
提案手法は,最先端のYOLOv4法に基づく効率的かつ高精度な物体検出を含む,3つの階層的なステップから構成される。
提案フレームワークのロバスト性は,様々な照明条件でYouTubeから収集した映像シーケンスを用いて評価する。
論文 参考訳（メタデータ） (2022-08-12T19:07:20Z) - Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object
Detection [58.81316192862618]
自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。
これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。
我々は、最先端の核融合法を初めてベンチマークした。
論文 参考訳（メタデータ） (2022-05-30T09:35:37Z) - Cyclist Trajectory Forecasts by Incorporation of Multi-View Video
Information [2.984037222955095]
本稿では,都市交差点に設置した広角ステレオカメラシステムによる映像データからの視覚的手がかりを,サイクリストの軌道予測に組み込む新しい手法を提案する。
本研究では,3次元畳み込みニューラルネットワーク(3D-ConvNet)を用いて画像および光学的流れ列から特徴を抽出し,その特徴をサイクリストの過去の軌道から抽出した特徴と組み合わせ,将来のサイクリストの位置を予測する。
論文 参考訳（メタデータ） (2021-06-30T11:34:43Z) - Object Tracking by Detection with Visual and Motion Cues [1.7818230914983044]
自動運転車は、カメラ画像中の物体を検出し、追跡する必要がある。
本稿では,カルマンフィルタを用いた定速度運動モデルに基づく簡易オンライン追跡アルゴリズムを提案する。
課題のあるBDD100データセットに対するアプローチを評価します。
論文 参考訳（メタデータ） (2021-01-19T10:29:16Z) - 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) - SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。
観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2020-08-18T03:40:25Z) - Training-free Monocular 3D Event Detection System for Traffic
Surveillance [93.65240041833319]
既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。
現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。
本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
論文 参考訳（メタデータ） (2020-02-01T04:42:57Z)
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。