論文の概要: Using simulation to quantify the performance of automotive perception systems

• arxiv url: http://arxiv.org/abs/2303.00983v1
• Date: Thu, 2 Mar 2023 05:28:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-03 15:50:58.973221
• Title: Using simulation to quantify the performance of automotive perception systems
• Title（参考訳）: 自動車知覚システムの性能を定量化するシミュレーションの利用
• Authors: Zhenyi Liu, Devesh Shah, Alireza Rahimpour, Devesh Upadhyay, Joyce Farrell, Brian A Wandell
• Abstract要約: 本稿では,物体(自動車)検出のための画像システムの性能を評価するために,画像システムシミュレーションソフトウェアツールについて述べる。 我々は,平均精度の測定によりシステム性能を定量化し,システム解像度とオブジェクト検出性能に関する傾向を報告する。
• 参考スコア（独自算出の注目度）: 2.2320512724449233
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The design and evaluation of complex systems can benefit from a software simulation - sometimes called a digital twin. The simulation can be used to characterize system performance or to test its performance under conditions that are difficult to measure (e.g., nighttime for automotive perception systems). We describe the image system simulation software tools that we use to evaluate the performance of image systems for object (automobile) detection. We describe experiments with 13 different cameras with a variety of optics and pixel sizes. To measure the impact of camera spatial resolution, we designed a collection of driving scenes that had cars at many different distances. We quantified system performance by measuring average precision and we report a trend relating system resolution and object detection performance. We also quantified the large performance degradation under nighttime conditions, compared to daytime, for all cameras and a COCO pre-trained network.
• Abstract（参考訳）: 複雑なシステムの設計と評価は、ソフトウェアシミュレーション(デジタルツインと呼ばれることもある)の恩恵を受ける。 このシミュレーションは、システムの性能を特徴づけたり、測定しにくい条件(例えば、自動車の知覚システムにおける夜間)でその性能をテストするために使用することができる。 本稿では,物体(自動車)検出のための画像システムの性能評価に使用する画像システムシミュレーションソフトウェアについて述べる。 様々な光学および画素サイズを持つ13種類のカメラを用いた実験について述べる。 カメラ空間分解能の影響を測定するため,様々な距離に車両を配置した運転シーンのコレクションを設計した。 平均精度の測定によりシステム性能を定量化し,システム分解能と物体検出性能に関するトレンドを報告する。 また,全カメラおよびCOCO事前訓練ネットワークにおいて,夜間に比べて夜間における大規模な性能劣化を定量化した。

関連論文リスト

• Autobiasing Event Cameras [0.932065750652415]
  本稿では,運転監視システムのニューロモルフィックYOLOベースの顔追跡モジュールをイベントベース研究への応用として活用する。 提案手法は,リアルタイムにイベントベースアプリケーションの性能を継続的に監視するために,数値メトリクスを用いる。 バイアス最適化の利点は、追加のハードウェアやソフトウェアを必要とせずに、点滅や暗黒といった条件を処理できることにある。
  論文  参考訳（メタデータ） (2024-11-01T16:41:05Z)
• Anticipating Driving Behavior through Deep Learning-Based Policy Prediction [66.344923925939]
  我々は、通常のカメラで捉えたビデオフレームから得られる統合的な視覚特徴と、ポイント・クラウド・スキャナーから得られた奥行きの詳細を処理できるシステムを開発した。 このシステムは、車両の速度と操舵角度の両方を含む運転行動を予測するように設計されている。 評価の結果,テストシナリオの少なくとも半分において,予測値が有意な精度を達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-07-20T17:38:55Z)
• Online Camera-to-ground Calibration for Autonomous Driving [26.357898919134833]
  運転中に特定の目標を利用できないオンライン単眼カメラ・地上キャリブレーションソリューションを提案する。 キャリブレーション性能の定量化と,満足度の高いキャリブレーション結果の報告・放送の停止基準を提供する。
  論文  参考訳（メタデータ） (2023-03-30T04:01:48Z)
• A Feature-based Approach for the Recognition of Image Quality Degradation in Automotive Applications [0.0]
  本稿では,自動車アプリケーションにおける画像品質の劣化を検知する特徴に基づくアルゴリズムを提案する。 異なるデータセットを用いた実験により、このアルゴリズムはカメラレンズに付着した汚れを検知し、異なるタイプの画像劣化を分類できることが示された。
  論文  参考訳（メタデータ） (2023-03-13T13:40:09Z)
• Extrinsic Camera Calibration with Semantic Segmentation [60.330549990863624]
  本稿では,セグメンテーション情報を利用してパラメータ推定を自動化する,外部カメラキャリブレーション手法を提案する。 われわれのアプローチは、カメラのポーズの粗い初期測定と、車両に搭載されたライダーセンサーによる構築に依存している。 シミュレーションおよび実世界のデータを用いて,キャリブレーション結果の低誤差測定を行う。
  論文  参考訳（メタデータ） (2022-08-08T07:25:03Z)
• Scalable and Real-time Multi-Camera Vehicle Detection, Re-Identification, and Tracking [58.95210121654722]
  理想化されたビデオストリームやキュレートされたビデオストリームの代わりに,リアルタイムで低解像度のCCTVを処理する,リアルタイムな都市規模のマルチカメラ車両追跡システムを提案する。 私たちの手法は、公共のリーダーボードで上位5人のパフォーマーにランク付けされています。
  論文  参考訳（メタデータ） (2022-04-15T12:47:01Z)
• A Quality Index Metric and Method for Online Self-Assessment of Autonomous Vehicles Sensory Perception [164.93739293097605]
  本稿では,検出品質指標(DQI)と呼ばれる新しい評価指標を提案し,カメラを用いた物体検出アルゴリズムの性能を評価する。 我々は,提案したDQI評価指標を予測するために,原画像画素とスーパーピクセルを入力として利用するスーパーピクセルベースのアテンションネットワーク(SPA-NET)を開発した。
  論文  参考訳（メタデータ） (2022-03-04T22:16:50Z)
• Worsening Perception: Real-time Degradation of Autonomous Vehicle Perception Performance for Simulation of Adverse Weather Conditions [47.529411576737644]
  本研究では,自律走行車両における簡易かつ軽量な画像強調システムの利用の可能性を検討する。 最小限の調整で、プロトタイプシステムは、カメラレンズ上の水滴と退色光条件の両方の効果を複製することができます。
  論文  参考訳（メタデータ） (2021-03-03T23:49:02Z)
• Testing the Safety of Self-driving Vehicles by Simulating Perception and Prediction [88.0416857308144]
  センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。 我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
  論文  参考訳（メタデータ） (2020-08-13T17:20:02Z)
• Event-based Stereo Visual Odometry [42.77238738150496]
  ステレオ・イベント・ベースのカメラ・リグが取得したデータから視覚計測の問題に対する解決策を提案する。 我々は,シンプルかつ効率的な表現を用いて,ステレオイベントベースのデータの時間的一貫性を最大化する。
  論文  参考訳（メタデータ） (2020-07-30T15:53:28Z)

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。