論文の概要: Collective PV-RCNN: A Novel Fusion Technique using Collective Detections for Enhanced Local LiDAR-Based Perception

• arxiv url: http://arxiv.org/abs/2309.05380v1
• Date: Mon, 11 Sep 2023 11:04:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-12 12:57:57.633328
• Title: Collective PV-RCNN: A Novel Fusion Technique using Collective Detections for Enhanced Local LiDAR-Based Perception
• Title（参考訳）: 集束PV-RCNN : 局所LiDARによる知覚の強化のための集束検出を用いた新しい融合法
• Authors: Sven Teufel, J\"org Gamerdinger, Georg Volk and Oliver Bringmann
• Abstract要約: 集団知覚は、車両間での情報交換を可能にすることを目的としている。 集合知覚における大きな課題は、交換された情報の融合である。 局所LiDARに基づく検出パイプライン内での協調車両の検出を融合する新しい融合法を提案する。
• 参考スコア（独自算出の注目度）: 0.6242215470795112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Comprehensive perception of the environment is crucial for the safe operation of autonomous vehicles. However, the perception capabilities of autonomous vehicles are limited due to occlusions, limited sensor ranges, or environmental influences. Collective Perception (CP) aims to mitigate these problems by enabling the exchange of information between vehicles. A major challenge in CP is the fusion of the exchanged information. Due to the enormous bandwidth requirement of early fusion approaches and the interchangeability issues of intermediate fusion approaches, only the late fusion of shared detections is practical. Current late fusion approaches neglect valuable information for local detection, this is why we propose a novel fusion method to fuse the detections of cooperative vehicles within the local LiDAR-based detection pipeline. Therefore, we present Collective PV-RCNN (CPV-RCNN), which extends the PV-RCNN++ framework to fuse collective detections. Code is available at https://github.com/ekut-es
• Abstract（参考訳）: 環境の包括的認識は自動運転車の安全な運転に不可欠である。 しかし、自律走行車の知覚能力は、閉塞、センサー範囲の制限、環境影響によって制限されている。 CP (Collective Perception) は、車両間での情報交換を可能にすることでこれらの問題を緩和することを目的としている。 CPにおける大きな課題は、交換された情報の融合である。 初期核融合アプローチの膨大な帯域幅要求と中間核融合アプローチの交換可能性問題のため、共有検出の後期核融合のみが実用的である。 現在のレイト・フュージョン・アプローチは、局所的な検出に貴重な情報を無視するので、ローカルlidarに基づく検出パイプライン内で協調車両の検出を融合する新しいフュージョン手法を提案する。 そこで,我々は PV-RCNN++ フレームワークを拡張し,集団検出を融合する PV-RCNN (CPV-RCNN) を提案する。 コードはhttps://github.com/ekut-esで入手できる。

関連論文リスト

• Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
  コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。 本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
  論文  参考訳（メタデータ） (2024-09-19T14:36:00Z)
• HEAD: A Bandwidth-Efficient Cooperative Perception Approach for Heterogeneous Connected and Autonomous Vehicles [9.10239345027499]
  HEADは3次元物体検出ネットワークにおける分類と回帰ヘッドの特徴を融合する手法である。 実験の結果,HEADは通信帯域幅と知覚性能を効果的にバランスさせる融合法であることがわかった。
  論文  参考訳（メタデータ） (2024-08-27T22:05:44Z)
• Cooperative Probabilistic Trajectory Forecasting under Occlusion [110.4960878651584]
  隠蔽対象の情報を安全なナビゲーションのためにエゴエージェントに伝達する必要がある場合が多い。 本稿では,エゴエージェントの基準フレームにおける閉塞歩行者の現況を協調的に推定するエンド・ツー・エンドネットワークを設計する。 また,エゴ剤による閉塞歩行者の不確実性を考慮した軌道予測は,閉塞を前提とした地上の真実軌道とほぼ同様であることを示した。
  論文  参考訳（メタデータ） (2023-12-06T05:36:52Z)
• Cooperative Perception with Learning-Based V2V communications [11.772899644895281]
  本研究は,コミュニケーションチャネル障害に対する協調認識会計の性能を解析する。 中間特性のロバスト性を活用するために, 新たなレイトフュージョン方式を提案する。 協調によって生じるデータサイズを圧縮するために、畳み込みニューラルネットワークベースのオートエンコーダを採用する。
  論文  参考訳（メタデータ） (2023-11-17T05:41:23Z)
• Fusion-GRU: A Deep Learning Model for Future Bounding Box Prediction of Traffic Agents in Risky Driving Videos [20.923004256768635]
  Fusion-Gated Recurrent Unit (Fusion-GRU)は、将来のバウンディングボックスローカライゼーションのための新しいエンコーダデコーダアーキテクチャである。 提案手法は, ROL と HEV-I の2つの公開データセットを用いて評価する。
  論文  参考訳（メタデータ） (2023-08-12T18:35:59Z)
• Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
  接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。 本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-05T21:38:36Z)
• Selective Communication for Cooperative Perception in End-to-End Autonomous Driving [8.680676599607123]
  協調認識のための新しい選択的コミュニケーションアルゴリズムを提案する。 提案アルゴリズムは, 従来研究されてきた安全クリティカル運転シナリオシミュレーションにおいて, ランダム選択法よりも高い成功率を示す。
  論文  参考訳（メタデータ） (2023-05-26T18:13:17Z)
• 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)
• An Energy Consumption Model for Electrical Vehicle Networks via Extended Federated-learning [50.85048976506701]
  本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。 バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
  論文  参考訳（メタデータ） (2021-11-13T15:03:44Z)
• Vehicular Cooperative Perception Through Action Branching and Federated Reinforcement Learning [101.64598586454571]
  強化学習に基づく車両関連、リソースブロック(RB)割り当て、協調認識メッセージ(CPM)のコンテンツ選択を可能にする新しいフレームワークが提案されている。 車両全体のトレーニングプロセスをスピードアップするために、フェデレーションRLアプローチが導入されます。 その結果、フェデレーションRLはトレーニングプロセスを改善し、非フェデレーションアプローチと同じ時間内により良いポリシーを達成できることが示された。
  論文  参考訳（メタデータ） (2020-12-07T02:09:15Z)
• Facilitating Connected Autonomous Vehicle Operations Using Space-weighted Information Fusion and Deep Reinforcement Learning Based Control [6.463332275753283]
  本稿では、他の車両からのセンシングと接続機能を通じて収集されたデータを統合するディープ強化学習に基づくアプローチについて述べる。 CAVにおけるアルゴリズムの実装は、CAV運転操作に関連する安全性とモビリティを高めることが期待されている。
  論文  参考訳（メタデータ） (2020-09-30T13:38:32Z)

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。