論文の概要: Cooperative Saliency-based Obstacle Detection and AR Rendering for
Increased Situational Awareness
- arxiv url: http://arxiv.org/abs/2302.00916v1
- Date: Thu, 2 Feb 2023 07:32:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-03 15:06:57.015533
- Title: Cooperative Saliency-based Obstacle Detection and AR Rendering for
Increased Situational Awareness
- Title(参考訳): 協調行動に基づく障害物検出とARレンダリングによる状況認識の増大
- Authors: Gerasimos Arvanitis, Nikolaos Stagakis, Evangelia I. Zacharaki,
Konstantinos Moustakas
- Abstract要約: 本稿では,サリエンシに基づく分散的協調的障害物検出・レンダリング手法を提案する。
提案手法は,近年の他の手法と比較して,良好な結果と特徴を提供する。
- 参考スコア(独自算出の注目度): 3.010893618491329
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous vehicles are expected to operate safely in real-life road
conditions in the next years. Nevertheless, unanticipated events such as the
existence of unexpected objects in the range of the road, can put safety at
risk. The advancement of sensing and communication technologies and Internet of
Things may facilitate the recognition of hazardous situations and information
exchange in a cooperative driving scheme, providing new opportunities for the
increase of collaborative situational awareness. Safe and unobtrusive
visualization of the obtained information may nowadays be enabled through the
adoption of novel Augmented Reality (AR) interfaces in the form of windshields.
Motivated by these technological opportunities, we propose in this work a
saliency-based distributed, cooperative obstacle detection and rendering scheme
for increasing the driver's situational awareness through (i) automated
obstacle detection, (ii) AR visualization and (iii) information sharing
(upcoming potential dangers) with other connected vehicles or road
infrastructure. An extensive evaluation study using a variety of real datasets
for pothole detection showed that the proposed method provides favorable
results and features compared to other recent and relevant approaches.
- Abstract(参考訳): 自動運転車は今後数年間、実生活の道路条件下で安全に運用されることが期待されている。
それでも、道路の範囲に予期せぬ物体が存在するなどの予期せぬ出来事は、安全性を危険にさらす可能性がある。
センシング・コミュニケーション技術とモノのインターネットの進歩は、協調運転方式における危険状況の認識と情報交換を促進し、協調的状況認識の増大のための新たな機会を提供する。
得られた情報の安全で控えめな可視化は、現在、フロントガラスの形で新しい拡張現実(AR)インターフェースを採用することで実現されている。
そこで本稿では,このような技術的機会に動機づけられ,運転者の状況認識を高めるために,サリエンシーに基づく分散・協調型障害物検出・レンダリング手法を提案する。
(i)自動障害物検出
(ii)arの可視化と
(三)他の連結車両又は道路インフラとの情報共有(潜在的危険を克服)
ポットホール検出のための多種多様な実データセットを用いた広範な評価研究により,提案手法は,近年および関連するアプローチと比較して,良好な結果と特徴を提供することがわかった。
関連論文リスト
- Big Data and Deep Learning in Smart Cities: A Comprehensive Dataset for
AI-Driven Traffic Accident Detection and Computer Vision Systems [0.0]
本研究は,スマートシティにおける最先端技術の適用について考察する。
本稿では,交通事故検出のための新しい包括的データセットを提案する。
このデータセットは学術研究を推進し、リアルタイムの事故検出アプリケーションを強化することが期待されている。
論文 参考訳(メタデータ) (2024-01-07T21:50:24Z) - Collaborative Perception for Connected and Autonomous Driving:
Challenges, Possible Solutions and Opportunities [10.749959052350594]
コネクテッド・自動運転車(CAV)との協調的な認識は、これらの制限を克服するための有望な解決策である。
本稿では、まず、データ共有の非同期性、データボリューム、エラーの対応など、協調的な知覚の課題を識別する。
本稿では,チャネル認識型協調認識フレームワークである通信効率と遅延問題に対処する手法を提案する。
論文 参考訳(メタデータ) (2024-01-03T05:33:14Z) - Controllable Safety-Critical Closed-loop Traffic Simulation via Guided
Diffusion [100.4988219600854]
誘導拡散モデルに根ざした新しいクローズドループシミュレーションフレームワークを提案する。
提案手法は, 現実の条件を密にエミュレートする現実的なロングテールシナリオの生成と, 制御性の向上という, 二つの異なる利点をもたらす。
我々はNuScenesデータセットを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳(メタデータ) (2023-12-31T04:14:43Z) - Rethinking Integration of Prediction and Planning in Deep Learning-Based
Automated Driving Systems: A Review [62.997667081978825]
最近の研究は、安全で効率的で快適な運転を実現するためには、相互依存のジョイントステップにおける予測と計画の統合が必要であることを示唆している。
我々は、最先端のディープラーニングベースの予測、計画、統合予測と計画モデルについて体系的にレビューする。
論文 参考訳(メタデータ) (2023-08-10T17:53:03Z) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳(メタデータ) (2023-08-02T09:48:08Z) - Unsupervised Self-Driving Attention Prediction via Uncertainty Mining
and Knowledge Embedding [51.8579160500354]
本研究では、不確実性モデリングと知識統合の駆動による自動運転の注意を予測できる教師なし手法を提案する。
結果は、完全に教師された最先端のアプローチと比較して、同等またはさらに印象的なパフォーマンスを示している。
論文 参考訳(メタデータ) (2023-03-17T00:28:33Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳(メタデータ) (2023-03-08T00:48:32Z) - Using UAVs for vehicle tracking and collision risk assessment at
intersections [2.090380922731455]
本研究は、道路利用者の移動を追跡し、交差点での衝突の可能性を評価するために、UAVとV2X接続の適用を実証する。
提案手法は,ディープラーニングに基づくトラッキングアルゴリズムと時間対衝突タスクを組み合わせたものである。
論文 参考訳(メタデータ) (2021-10-11T19:38:24Z) - Analyzing vehicle pedestrian interactions combining data cube structure
and predictive collision risk estimation model [5.73658856166614]
本研究では,フィールドと集中型プロセスを組み合わせた歩行者安全システムについて紹介する。
本システムは,現場における今後のリスクを直ちに警告し,実際の衝突のない道路の安全レベルを評価することにより,危険頻繁なエリアの安全性を向上させることができる。
論文 参考訳(メタデータ) (2021-07-26T23:00:56Z) - Transferable Deep Reinforcement Learning Framework for Autonomous
Vehicles with Joint Radar-Data Communications [69.24726496448713]
本稿では,AVの最適決定を支援するために,マルコフ決定プロセス(MDP)に基づくインテリジェントな最適化フレームワークを提案する。
そこで我々は,近年の深層強化学習技術を活用した効果的な学習アルゴリズムを開発し,AVの最適方針を見出す。
提案手法は,従来の深部強化学習手法と比較して,AVによる障害物ミス検出確率を最大67%削減することを示す。
論文 参考訳(メタデータ) (2021-05-28T08:45:37Z) - A Multi-Agent Reinforcement Learning Approach For Safe and Efficient
Behavior Planning Of Connected Autonomous Vehicles [21.132777568170702]
我々は、コネクテッド・自動運転車のための情報共有型強化学習フレームワークを設計する。
提案手法は, 平均速度と快適性の観点から, CAV システムの効率性を向上させることができることを示す。
我々は,共用視覚が早期に障害物を観測し,交通渋滞を避けるために行動を起こすのに役立つことを示すために,障害物回避シナリオを構築した。
論文 参考訳(メタデータ) (2020-03-09T19:15:30Z)
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。