論文の概要: Vehicle Safety Management System
- arxiv url: http://arxiv.org/abs/2304.14497v1
- Date: Sun, 16 Apr 2023 16:15:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-07 16:22:26.059446
- Title: Vehicle Safety Management System
- Title（参考訳）: 自動車安全管理システム
- Authors: Chanthini Bhaskar, Bharath Manoj Nair, Dev Mehta
- Abstract要約: 本研究では,YOLO(You Only Look Once)オブジェクト検出アルゴリズムとステレオビジョン技術を組み合わせたリアルタイムオーバーテイク支援システムを提案する。
距離解析にはステレオビジョン,オブジェクト識別にはYOLO(You Only Look Once)が用いられている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Overtaking is a critical maneuver in driving that requires accurate
information about the location and distance of other vehicles on the road. This
study suggests a real-time overtaking assistance system that uses a combination
of the You Only Look Once (YOLO) object detection algorithm and stereo vision
techniques to accurately identify and locate vehicles in front of the driver,
and estimate their distance. The system then signals the vehicles behind the
driver using colored lights to inform them of the safe overtaking distance. The
proposed system has been implemented using Stereo vision for distance analysis
and You Only Look Once (YOLO) for object identification. The results
demonstrate its effectiveness in providing vehicle type and the distance
between the camera module and the vehicle accurately with an approximate error
of 4.107%. Our system has the potential to reduce the risk of accidents and
improve the safety of overtaking maneuvers, especially on busy highways and
roads.
- Abstract（参考訳）: 乗っ取りは、道路上の他の車両の位置と距離に関する正確な情報を必要とする運転における重要な操作である。
本研究は,1回だけ見る(yolo)物体検出アルゴリズムとステレオビジョン技術を組み合わせて,運転者の前にある車両を正確に識別し,その距離を推定するリアルタイムオーバワ支援システムを提案する。
システムはドライバーの後ろの車両にカラーライトで信号を送り、安全な走行距離を知らせる。
距離解析にはステレオビジョン,オブジェクト識別にはYOLO(You Only Look Once)が用いられている。
その結果、車種とカメラモジュールと車両間の距離を精度良く4.107%の誤差で提供する効果が示された。
当社のシステムは事故のリスクを低減し,特に高規格道路や幹線道路におけるオーバーオーキングの安全性を向上させる可能性を秘めている。
関連論文リスト
- V-CAS: A Realtime Vehicle Anti Collision System Using Vision Transformer on Multi-Camera Streams [0.0]
本稿では,リアルタイム衝突回避システム(V-CAS)を提案する。
V-CASは適応ブレーキによるリアルタイム衝突リスク評価と能動的緩和を可能にする。
その結果,従来の単カメラ法と比較して物体検出と追跡の大幅な改善,衝突回避の強化が示唆された。
論文 参考訳（メタデータ） (2024-11-04T10:39:15Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳（メタデータ） (2023-10-08T21:32:30Z) - Infrastructure-based End-to-End Learning and Prevention of Driver
Failure [68.0478623315416]
フェールネットは、規模が拡大したミニ都市において、名目上と無謀なドライバーの両方の軌道上で、エンドツーエンドでトレーニングされた、繰り返しニューラルネットワークである。
制御障害、上流での認識エラー、ドライバーのスピードを正確に識別し、名目運転と区別することができる。
速度や周波数ベースの予測器と比較すると、FailureNetのリカレントニューラルネットワーク構造は予測能力を向上し、ハードウェアにデプロイすると84%以上の精度が得られる。
論文 参考訳（メタデータ） (2023-03-21T22:55:51Z) - 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) - A Real-Time Wrong-Way Vehicle Detection Based on YOLO and Centroid
Tracking [0.0]
誤運転は、世界中の道路事故や交通渋滞の主な原因の1つである。
本稿では,道路監視カメラによる車両自動検知システムを提案する。
論文 参考訳（メタデータ） (2022-10-19T00:53:28Z) - Threat Detection In Self-Driving Vehicles Using Computer Vision [0.0]
ダッシュカムビデオを用いた自動運転車の脅威検出機構を提案する。
オブジェクトを識別するためのYOLO,高度な車線検出アルゴリズム,カメラからの距離を測定するマルチレグレッションモデルという,4つの主要なコンポーネントがある。
提案した脅威検出モデル(TDM)の最終的な精度は82.65%である。
論文 参考訳（メタデータ） (2022-09-06T12:01:07Z) - Vision-Cloud Data Fusion for ADAS: A Lane Change Prediction Case Study [38.65843674620544]
我々は,カメラ画像とDigital Twin情報をクラウドから統合して,インテリジェントな車両のより良い意思決定を支援する,新しいビジョンクラウドデータ融合手法を導入する。
提案手法の有効性を示すために,車線変化予測のケーススタディを行った。
論文 参考訳（メタデータ） (2021-12-07T23:42:21Z) - 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) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳（メタデータ） (2021-09-03T13:33:33Z) - Interpretable Safety Validation for Autonomous Vehicles [44.44006029119672]
この研究は、自律システムの解釈可能な障害を見つけるためのアプローチを説明する。
これらの失敗は、人間によって理解できる信号時相論理式によって記述される。
論文 参考訳（メタデータ） (2020-04-14T21:11:43Z) - Improved YOLOv3 Object Classification in Intelligent Transportation
System [29.002873450422083]
高速道路における車両・運転者・人の検出・分類を実現するために, YOLOv3に基づくアルゴリズムを提案する。
モデルは優れた性能を持ち、道路遮断、異なる姿勢、極端な照明に頑丈である。
論文 参考訳（メタデータ） (2020-04-08T11:45:13Z)
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。