論文の概要: Holistic Parking Slot Detection with Polygon-Shaped Representations
- arxiv url: http://arxiv.org/abs/2310.11629v1
- Date: Tue, 17 Oct 2023 23:37:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-19 18:18:31.425858
- Title: Holistic Parking Slot Detection with Polygon-Shaped Representations
- Title（参考訳）: ポリゴン形表現を用いたホロスティックパーキングスロット検出
- Authors: Lihao Wang, Antonyo Musabini, Christel Leonet, Rachid Benmokhtar,
Amaury Breheret, Chaima Yedes, Fabian Burger, Thomas Boulay, Xavier Perrotton
- Abstract要約: 本稿では,YOLO(You Only Look Once)v4アルゴリズムを適応した一段階のHPS-Netを提案する。
実験の結果、HPS-NetはF1スコア0.92で様々な空き駐車場を検知できることがわかった。
Nvidia Drive AGX Xavierで17 FPSのリアルタイム検出速度を実現している。
- 参考スコア（独自算出の注目度）: 1.1649926489639983
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Current parking slot detection in advanced driver-assistance systems (ADAS)
primarily relies on ultrasonic sensors. This method has several limitations
such as the need to scan the entire parking slot before detecting it, the
incapacity of detecting multiple slots in a row, and the difficulty of
classifying them. Due to the complex visual environment, vehicles are equipped
with surround view camera systems to detect vacant parking slots. Previous
research works in this field mostly use image-domain models to solve the
problem. These two-stage approaches separate the 2D detection and 3D pose
estimation steps using camera calibration. In this paper, we propose one-step
Holistic Parking Slot Network (HPS-Net), a tailor-made adaptation of the You
Only Look Once (YOLO)v4 algorithm. This camera-based approach directly outputs
the four vertex coordinates of the parking slot in topview domain, instead of a
bounding box in raw camera images. Several visible points and shapes can be
proposed from different angles. A novel regression loss function named
polygon-corner Generalized Intersection over Union (GIoU) for polygon vertex
position optimization is also proposed to manage the slot orientation and to
distinguish the entrance line. Experiments show that HPS-Net can detect various
vacant parking slots with a F1-score of 0.92 on our internal Valeo Parking
Slots Dataset (VPSD) and 0.99 on the public dataset PS2.0. It provides a
satisfying generalization and robustness in various parking scenarios, such as
indoor (F1: 0.86) or paved ground (F1: 0.91). Moreover, it achieves a real-time
detection speed of 17 FPS on Nvidia Drive AGX Xavier. A demo video can be found
at https://streamable.com/75j7sj.
- Abstract（参考訳）: 現在のadvanced driver-assistance systems(adas)の駐車スロット検出は、主に超音波センサーに依存している。
本手法は, 駐車スペース全体を検知する前にスキャンする必要があること, 列内の複数のスロットを検出できないこと, 分類が難しいこと, などの制限がある。
複雑な視覚環境のため、車両は空いている駐車スロットを検出するサラウンドビューカメラシステムを備えている。
この分野でのこれまでの研究は、主に画像ドメインモデルを使って問題を解決している。
これらの2段階のアプローチは、カメラキャリブレーションを用いた2次元検出と3次元ポーズ推定を分離する。
本稿では,you only look once (yolo)v4アルゴリズムを適応させた1ステップのパーキングスロットネットワーク(hps-net)を提案する。
このカメラベースのアプローチは、カメラ画像のバウンディングボックスの代わりに、トップビュー領域の駐車スロットの4つの頂点座標を直接出力する。
いくつかの可視点と形状は異なる角度から提案することができる。
また,ポリゴン頂点位置最適化のためのGIoU(Polygon-corner Generalized Intersection over Union)と呼ばれる新しい回帰損失関数を提案し,スロット配向を管理し,入口線を識別する。
実験の結果、HPS-Netは内部のValeo Parking Slots Dataset(VPSD)でF1スコア0.92、パブリックデータセットPS2.0で0.99の空き駐車スロットを検出できることがわかった。
屋内(F1:0.86)や舗装地(F1:0.91)など、様々な駐車シナリオにおいて、満足のいく一般化と堅牢性を提供する。
さらに、Nvidia Drive AGX Xavier上で17FPSのリアルタイム検出速度を実現している。
デモビデオはhttps://streamable.com/75j7sjで見ることができる。
関連論文リスト
- Enhanced Parking Perception by Multi-Task Fisheye Cross-view Transformers [1.1227698959066101]
現在の駐車エリア認識アルゴリズムは、主に限られた範囲内の空きスロットを検出することに焦点を当てている。
本稿では,Multi-Task Fisheye Cross View Transformers (MT F-CVT)を紹介する。
MT F-CVTは25m×25mの実際のオープンロードシーンにオブジェクトを配置し、平均誤差は20cmである。
論文 参考訳（メタデータ） (2024-08-22T17:42:16Z) - Automatic Vision-Based Parking Slot Detection and Occupancy
Classification [3.038642416291856]
パーキング誘導情報(PGI)システムは、最も近い駐車場と空き駐車場の数についてドライバーに情報を提供するために使用される。
近年、視覚ベースのソリューションは標準的なPGIシステムに代わる費用対効果の代替として現れ始めている。
本稿では,入力画像のみに基づいて自動駐車スロット検出・職業分類(APSD-OC)を行うアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-08-16T07:44:34Z) - HPointLoc: Point-based Indoor Place Recognition using Synthetic RGB-D
Images [58.720142291102135]
本稿では,屋内環境における視覚的位置認識能力の探索を目的とした,HPointLocという新しいデータセットを提案する。
データセットは人気のあるHabitatシミュレータに基づいており、独自のセンサーデータとオープンデータセットの両方を使用して屋内シーンを生成することができる。
論文 参考訳（メタデータ） (2022-12-30T12:20:56Z) - PersFormer: 3D Lane Detection via Perspective Transformer and the
OpenLane Benchmark [109.03773439461615]
PersFormerは、新しいトランスフォーマーベースの空間特徴変換モジュールを備えた、エンドツーエンドのモノクル3Dレーン検出器である。
高品質なアノテーションとシナリオの多様性を備えたOpenLaneと呼ばれる,最初の大規模な3Dレーンデータセットの1つをリリースしました。
論文 参考訳（メタデータ） (2022-03-21T16:12:53Z) - Automatic Map Update Using Dashcam Videos [1.6911482053867475]
実時間変化検出と局所化に着目したSfMベースの自動マップ更新ソリューションを提案する。
本システムでは,スパースSfM点雲を用いて,2次元画像から検出した物体を3次元空間内に検出することができる。
論文 参考訳（メタデータ） (2021-09-24T18:00:57Z) - Robust 2D/3D Vehicle Parsing in CVIS [54.825777404511605]
本研究では,協調型車両インフラシステム(CVIS)の一環として,異なるカメラビューの車両を堅牢に検出・認識する新しいアプローチを提案する。
提案方式は任意のカメラビュー向けに設計されており,本質的パラメータや外部的パラメータを仮定しない。
実際に,本手法は2次元検出,インスタンスセグメンテーション,6-DoFのポーズ推定においてSOTA法より優れている。
論文 参考訳（メタデータ） (2021-03-11T03:35:05Z) - Multiview Detection with Feature Perspective Transformation [59.34619548026885]
本稿では,新しいマルチビュー検出システムMVDetを提案する。
我々は,平面上に特徴写像を投影することで,多視点情報を集約するアンカーフリーアプローチを採っている。
私たちのモデル全体がエンドツーエンドで学習可能で、標準のWildtrackデータセットで88.2%のMODAを実現しています。
論文 参考訳（メタデータ） (2020-07-14T17:58:30Z) - MVLidarNet: Real-Time Multi-Class Scene Understanding for Autonomous
Driving Using Multiple Views [60.538802124885414]
マルチビューLidarNet(MVLidarNet)は,多層物体検出とドライビング空間分割のための2段階のディープニューラルネットワークである。
MVLidarNetは、単一のLiDARスキャンを入力として、乾燥可能な空間を同時に決定しながら、オブジェクトを検出し、分類することができる。
我々は、KITTIとはるかに大きな内部データセットの両方で結果を示し、その方法が桁違いにスケールできることを実証する。
論文 参考訳（メタデータ） (2020-06-09T21:28:17Z) - PSDet: Efficient and Universal Parking Slot Detection [14.085693334348827]
リアルタイム駐車スロット検出は、バレット駐車システムにおいて重要な役割を担っている。
既存の手法は、現実世界のアプリケーションでしか成功しない。
不満足なパフォーマンスを考慮に入れている2つの理由を論じる。
romannumeral1: 利用可能なデータセットは多様性が限られており、一般化能力が低い。
論文 参考訳（メタデータ） (2020-05-12T03:06:25Z) - Road Curb Detection and Localization with Monocular Forward-view Vehicle
Camera [74.45649274085447]
魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。
我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
論文 参考訳（メタデータ） (2020-02-28T00:24:18Z)
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。