論文の概要: CHAMP: Crowdsourced, History-Based Advisory of Mapped Pedestrians for
Safer Driver Assistance Systems
- arxiv url: http://arxiv.org/abs/2301.05842v1
- Date: Sat, 14 Jan 2023 07:28:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 18:32:51.030845
- Title: CHAMP: Crowdsourced, History-Based Advisory of Mapped Pedestrians for
Safer Driver Assistance Systems
- Title（参考訳）: CHAMP: 安全運転支援システムのための地図歩行者のクラウドソーシング、歴史に基づくアドバイス
- Authors: Ross Greer, Lulua Rakla, Samveed Desai, Afnan Alofi, Akshay
Gopalkrishnan, Mohan Trivedi
- Abstract要約: CHAMP (Crowdsourced, History-based Advisories of Mapped Pedestrians) は歩行者ゾーンを学習し、車両が歩行者に近づいているときに助言通知を生成する。
我々はカリフォルニア州ラ・ジョラで歩行者データを収集し、慎重にアノテートし、歩行者位置のトレーニングとテストセットを構築した。
この手法は、実験データセット上で最大100%の精度と75%のリコールを達成するように調整することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Vehicles are constantly approaching and sharing the road with pedestrians,
and as a result it is critical for vehicles to prevent any collisions with
pedestrians. Current methods for pedestrian collision prevention focus on
integrating visual pedestrian detectors with Automatic Emergency Braking (AEB)
systems which can trigger warnings and apply brakes as a pedestrian enters a
vehicle's path. Unfortunately, pedestrian-detection-based systems can be
hindered in certain situations such as nighttime or when pedestrians are
occluded. Our system, CHAMP (Crowdsourced, History-based Advisories of Mapped
Pedestrians), addresses such issues using an online, map-based pedestrian
detection system where pedestrian locations are aggregated into a dataset after
repeated passes of locations. Using this dataset, we are able to learn
pedestrian zones and generate advisory notices when a vehicle is approaching a
pedestrian despite challenges like dark lighting or pedestrian occlusion. We
collected and carefully annotated pedestrian data in La Jolla, CA to construct
training and test sets of pedestrian locations. Moreover, we use the number of
correct advisories, false advisories, and missed advisories to define precision
and recall performance metrics to evaluate CHAMP. This approach can be tuned
such that we achieve a maximum of 100% precision and 75% recall on the
experimental dataset, with performance enhancement options through further data
collection.
- Abstract（参考訳）: 車両は歩行者と道路を常に接近し、共有しているため、歩行者との衝突を防ぐために車両が不可欠である。
歩行者衝突防止の現在の方法は、歩行者が車両の進路に入ると警告をトリガーしブレーキをかけることのできる自動緊急ブレーキ(AEB)システムと視覚的歩行者検出器の統合に焦点を当てている。
残念なことに、歩行者検出に基づくシステムは、夜間や歩行者が閉じ込められている特定の状況で妨げられる可能性がある。
我々のシステムCHAMP (Crowdsourced, History-based Advisories of Mapped Pedestrians) は、オンラインの地図に基づく歩行者検知システムを用いて、歩行者の位置を反復的な位置通過後にデータセットに集約する。
このデータセットを使って歩行者ゾーンを学習し、暗い照明や歩行者排除といった課題にもかかわらず、車両が歩行者に近づいているときに助言通知を生成することができる。
カリフォルニア州ラ・ジョラで歩行者データの収集と注記を行い,歩行者配置の訓練とテストセットの作成を行った。
さらに,CHAMPの評価には,正しい勧告数,誤った勧告数,失敗した勧告数を用いて精度を定義し,パフォーマンス指標をリコールする。
このアプローチは、実験データセット上で最大100%の精度と75%のリコールを達成することができ、さらなるデータ収集による性能向上オプションが提供される。
関連論文リスト
- Your Car Tells Me Where You Drove: A Novel Path Inference Attack via CAN Bus and OBD-II Data [57.22545280370174]
On Path Diagnostic - Intrusion & Inference (OPD-II) は物理カーモデルとマップマッチングアルゴリズムを利用した新しい経路推論攻撃である。
我々は4台の異なる車両と41トラックの道路および交通シナリオに対する攻撃を実行した。
論文 参考訳（メタデータ） (2024-06-30T04:21:46Z) - Predicting and Analyzing Pedestrian Crossing Behavior at Unsignalized Crossings [3.373568134827475]
非ゼブラシナリオにおけるギャップ選択と、ゼブラシナリオにおけるゼブラ交差使用量を予測する機械学習モデルの提案と評価を行った。
歩行者の行動が、歩行者待ち時間、歩行速度、未使用ギャップの数、最大の欠落ギャップ、その他の歩行者の影響など、様々な要因にどのように影響するかを論じる。
論文 参考訳（メタデータ） (2024-04-15T08:36:40Z) - Pedestrian Environment Model for Automated Driving [54.16257759472116]
歩行者の位置とポーズ情報を含む環境モデルを提案する。
画像から人間のポーズ推定器を用いて骨格情報を抽出する。
位置の3D情報を得るために,車両の位置と合わせて連続するフレームからデータを集約する。
論文 参考訳（メタデータ） (2023-08-17T16:10:58Z) - Pedestrian Behavior Maps for Safety Advisories: CHAMP Framework and
Real-World Data Analysis [0.0]
歩行者衝突防止の現在の方法は、視覚的歩行者検知器と自動緊急ブレーキシステムの統合に焦点を当てている。
本システムは,オンライン地図を用いた歩行者検出集計システムを用いて,そのような問題に対処する。
本研究では,歩行者が歩行者に近づいた場合に,歩行者ゾーンを学習し,助言通知を生成するシステムの能力を示す。
論文 参考訳（メタデータ） (2023-05-08T07:03:26Z) - A Robust Pedestrian Detection Approach for Autonomous Vehicles [2.0883760606514934]
本稿では,カリフォルニア工科大学の歩行者データセットの実例における歩行者検出問題を処理するためのYOLOv5フレームワークを微調整することを目的とする。
実験結果から,歩行者検出作業における細調整モデルの平均精度(mAP)は,70FPSの最高速度で行う場合,91%以上であることがわかった。
論文 参考訳（メタデータ） (2022-10-19T11:53:14Z) - STCrowd: A Multimodal Dataset for Pedestrian Perception in Crowded
Scenes [78.95447086305381]
3D空間における歩行者の正確な検出と追跡は、回転、ポーズ、スケールの大きなバリエーションのために困難である。
既存のベンチマークは2Dアノテーションのみを提供するか、あるいは低密度の歩行者分布を持つ限定的な3Dアノテーションを持つ。
混み合ったシナリオにおける歩行者認識アルゴリズムをよりよく評価するために,大規模なマルチモーダルデータセットSTCrowdを導入する。
論文 参考訳（メタデータ） (2022-04-03T08:26:07Z) - Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
歩行者の立ち止まりと予測の新たな課題を紹介します。
都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。
歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
論文 参考訳（メタデータ） (2022-03-04T18:39:31Z) - A Framework for Pedestrian Sub-classification and Arrival Time
Prediction at Signalized Intersection Using Preprocessed Lidar Data [2.8388425545775386]
我々は、障害者を通常の歩行歩行者と区別するために、機械学習とディープラーニングモデルを組み合わせた体系的な枠組みを開発する。
提案フレームワークは,脆弱なユーザ分類と到着時刻予測精度の両方において高い性能を示す。
論文 参考訳（メタデータ） (2022-01-15T15:58:07Z) - A novel method of predictive collision risk area estimation for
proactive pedestrian accident prevention system in urban surveillance
infrastructure [6.777019450570473]
道路交通事故は、人間の生活に深刻な脅威をもたらし、早期死亡の主な原因となっています。
歩行者の衝突を予防するためのブレークスルーは、CCTVなどの視覚センサに基づいて歩行者の潜在的なリスクを認識することです。
本研究では,無信号横断歩道における衝突リスク領域推定システムを提案する。
論文 参考訳（メタデータ） (2021-05-06T10:29:44Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z) - Pedestrian Intention Prediction: A Multi-task Perspective [83.7135926821794]
グローバルに展開するためには、自動運転車は歩行者の安全を保証する必要がある。
本研究は歩行者の意図と視覚状態を共同で予測することでこの問題を解決しようとするものである。
この方法はマルチタスク学習アプローチにおけるリカレントニューラルネットワークである。
論文 参考訳（メタデータ） (2020-10-20T13:42:31Z)
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。