論文の概要: Road Detection in Snowy Forest Environment using RGB Camera

• arxiv url: http://arxiv.org/abs/2212.08511v1
• Date: Fri, 16 Dec 2022 14:49:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-19 15:39:47.249441
• Title: Road Detection in Snowy Forest Environment using RGB Camera
• Title（参考訳）: RGBカメラを用いた雪林環境の道路検出
• Authors: Sirawich Vachmanus, Takanori Emaru, Ankit A. Ravankar, Yukinori Kobayashi
• Abstract要約: 本稿では,RGBカメラを用いた森林環境における雪道の検出について紹介する。 画像成分を分類するために、ノイズフィルタリング技術と形態演算を組み合わせる。 False Negative RateとFalse Positive Rateの2つの誤差値でアルゴリズムの性能を評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Automated driving technology has gained a lot of momentum in the last few years. For the exploration field, navigation is the important key for autonomous operation. In difficult scenarios such as snowy environment, the road is covered with snow and road detection is impossible in this situation using only basic techniques. This paper introduces detection of snowy road in forest environment using RGB camera. The method combines noise filtering technique with morphological operation to classify the image component. By using the assumption that all road is covered by snow and the snow part is defined as road area. From the perspective image of road, the vanishing point of road is one of factor to scope the region of road. This vanishing point is found with fitting triangle technique. The performance of algorithm is evaluated by two error value: False Negative Rate and False Positive Rate. The error shows that the method has high efficiency for detect road with straight road but low performance for curved road. This road region will be applied with depth information from camera to detect for obstacle in the future work.
• Abstract（参考訳）: 自動運転技術はここ数年で大きな勢いを増している。 探査分野では、ナビゲーションが自律的な運用の重要な鍵である。 雪環境などの困難なシナリオでは,道路は雪で覆われており,この状況では基本的な技術だけで道路検出は不可能である。 本稿では,RGBカメラを用いた森林環境における雪道の検出について紹介する。 画像成分を分類するために、ノイズフィルタリング技術と形態演算を組み合わせる。 すべての道路が雪に覆われ、雪の部分は道路エリアと定義されていると仮定する。 道路の視点から見ると、道路の消滅点は道路の領域を包含する要因の1つである。 この消滅点は、整合三角形の技法で見いだされる。 False Negative RateとFalse Positive Rateの2つの誤差値でアルゴリズムの性能を評価する。 この誤差は, 直線道路では道路検出の効率が高いが, 曲線道路では性能が低いことを示す。 この道路領域にカメラからの奥行き情報を適用し,今後の作業における障害物検出を行う。

関連論文リスト

• Road Surface Friction Estimation for Winter Conditions Utilising General Visual Features [0.4972323953932129]
  本稿では,道路側カメラによる路面摩擦のコンピュータビジョンによる評価について検討する。 本稿では、事前学習された視覚変換器モデルと畳み込みブロックからなるハイブリッドディープラーニングアーキテクチャWCamNetを提案する。
  論文  参考訳（メタデータ） (2024-04-25T12:46:23Z)
• RoadBEV: Road Surface Reconstruction in Bird's Eye View [55.0558717607946]
  道路表面の状態、特に幾何学的プロファイルは、自動運転車の走行性能に大きな影響を与え、視覚に基づくオンライン道路再建は、事前に道路情報を確実に捉えている。 Bird's-Eye-View (BEV) の認識は、より信頼性が高く正確な再構築の可能性を秘めている。 本稿では,BEVにおける道路高架化モデルとして,RoadBEV-monoとRoadBEV-stereoの2つのモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-09T20:24:29Z)
• FlowMap: Path Generation for Automated Vehicles in Open Space Using Traffic Flow [32.8563901381583]
  FlowMapは、トラフィックフローに基づいた自動車両のためのパス生成フレームワークである。 交通流場(TFF)における経路生成アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-02T17:27:37Z)
• Online Lane Graph Extraction from Onboard Video [133.68032636906133]
  オンボードカメラからの映像ストリームを、周囲のレーングラフのオンライン抽出に使用しています。 入力が1つの画像ではなくビデオを使うことは、異なるタイムステップからの情報を組み合わせることのメリットと課題の両方をもたらす。 提案手法の1つのモデルでは、1つを含む任意の数の画像を処理し、正確なレーングラフを生成することができる。
  論文  参考訳（メタデータ） (2023-04-03T12:36:39Z)
• Leveraging Structure from Motion to Localize Inaccessible Bus Stops [1.933681537640272]
  本稿では,バス路線沿いの積雪歩道の検出について検討する。 本稿では、付加的な注釈付きデータではなく、Structure from Motion(SfM)を利用する手法を提案する。 本手法は,道路沿いの積雪への適用を実証するが,他の危険条件にも適用できる。
  論文  参考訳（メタデータ） (2022-10-07T15:55:34Z)
• Topology Preserving Local Road Network Estimation from Single Onboard Camera Image [128.881857704338]
  本稿では,鳥眼ビュー(BEV)において,局所道路網のトポロジーを抽出することを目的とする。 唯一の入力は、シングルオンボードの前方カメラ画像で構成されている。 道路トポロジを,道路の交点を用いて捉えた一組の有向車線曲線とその相互作用を用いて表現する。
  論文  参考訳（メタデータ） (2021-12-19T14:25:22Z)
• CP-loss: Connectivity-preserving Loss for Road Curb Detection in Autonomous Driving with Aerial Images [10.300623192980753]
  自動走行には道路停止検知が重要である。 現在の方法のほとんどは、カメラや3Dライダーなどの車両に搭載されたセンサーを使って、オンラインで道路の縁石を検出する。 本稿では,高分解能空中画像を用いて道路の縁石をオフラインで検出する。
  論文  参考訳（メタデータ） (2021-07-26T01:36:58Z)
• iCurb: Imitation Learning-based Detection of Road Curbs using Aerial Images for Autonomous Driving [11.576868193291997]
  道路の縁石は自動運転に不可欠な能力です。 通常、道路の縁石は、ビデオカメラや3dlidarなどの車載センサーを使ってオンラインで検出される。 航空画像を用いた道路縁石のオフライン検出のための新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2021-03-31T14:40:31Z)
• Detecting Road Obstacles by Erasing Them [101.45116269051692]
  画像パッチを選択して周囲の道路テクスチャに塗布し,そのパッチから障害を取り除く傾向にある。 次に、元のパッチと塗布されたパッチとの相違を認識するためにトレーニングされたネットワークを使用し、消去された障害を通知します。
  論文  参考訳（メタデータ） (2020-12-25T21:56:36Z)
• 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)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

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。