論文の概要: LiDAR-based curb detection for ground truth annotation in automated driving validation

• arxiv url: http://arxiv.org/abs/2312.00534v2
• Date: Mon, 11 Dec 2023 10:29:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-13 01:03:24.084073
• Title: LiDAR-based curb detection for ground truth annotation in automated driving validation
• Title（参考訳）: 自動運転検証における地盤真理アノテーションのLiDARによるストレッチ検出
• Authors: Jose Luis Apell\'aniz, Mikel Garc\'ia, Nerea Aranjuelo, Javier Barandiar\'an, Marcos Nieto
• Abstract要約: 本稿では,LiDARセンサから取得した点雲列中の3次元ストレッチを検出する手法を提案する。 シーケンスレベル処理ステップは、車両のオドメトリーを用いて、再構成された点雲内の3D縁石を推定する。 これらの検出は、ラベリングパイプラインの事前アノテーションとして使用して、ストレッチ関連地上真実データを効率的に生成することができる。
• 参考スコア（独自算出の注目度）: 2.954315548942922
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Curb detection is essential for environmental awareness in Automated Driving (AD), as it typically limits drivable and non-drivable areas. Annotated data are necessary for developing and validating an AD function. However, the number of public datasets with annotated point cloud curbs is scarce. This paper presents a method for detecting 3D curbs in a sequence of point clouds captured from a LiDAR sensor, which consists of two main steps. First, our approach detects the curbs at each scan using a segmentation deep neural network. Then, a sequence-level processing step estimates the 3D curbs in the reconstructed point cloud using the odometry of the vehicle. From these 3D points of the curb, we obtain polylines structured following ASAM OpenLABEL standard. These detections can be used as pre-annotations in labelling pipelines to efficiently generate curb-related ground truth data. We validate our approach through an experiment in which different human annotators were required to annotate curbs in a group of LiDAR-based sequences with and without our automatically generated pre-annotations. The results show that the manual annotation time is reduced by 50.99% thanks to our detections, keeping the data quality level.
• Abstract（参考訳）: カーブ検出は自動運転(AD:Automated Driving)において環境認識に必須であり、通常、乾燥可能領域と非駆動可能領域を制限する。 AD関数の開発と検証には注釈付きデータが必要である。 しかし、注釈付きポイントクラウドストレッチを持つ公開データセットの数は少ない。 本稿では,LiDARセンサの2つの主ステップからなる点雲列における3次元ストレッチを検出する手法を提案する。 まず,セグメンテーション深層ニューラルネットワークを用いて各スキャンの縁石を検出する。 そして、シーケンスレベル処理ステップは、車両のオドメトリを用いて再構成された点雲の3d縁石を推定する。 縁石のこれらの3次元点から, ASAM OpenLABEL標準に従って構成されたポリリンを得る。 これらの検出はラベル付けパイプラインの事前注釈として使用することができ、縁石関連の基底真理データを効率的に生成することができる。 提案手法は,自動生成された前アノテーションを伴わずに,lidarに基づく一連の配列の縁石をアノテートするために,異なる人間のアノテータが要求される実験を通じて検証する。 その結果,手動のアノテーションは検出によって50.99%短縮され,データ品質は維持された。

関連論文リスト

• Annotation-Free Curb Detection Leveraging Altitude Difference Image [9.799565515089617]
  自動運転車の安全性を確保するためには、道路封鎖が不可欠である。 縁石検出の現在の方法は、カメラ画像やLiDAR点雲に依存している。 本研究は,ADI(Altitude Difference Image)を利用したアノテーションのないストレッチ検出手法を提案する。
  論文  参考訳（メタデータ） (2024-09-30T10:29:41Z)
• CurbNet: Curb Detection Framework Based on LiDAR Point Cloud Segmentation [7.451629109566809]
  本稿では,ポイントクラウドセグメンテーションを利用した検出を抑える新しいフレームワークであるCurbNetを紹介する。 我々はセマンティックKITTIをベースとした3D-Curbデータセットを開発した。 xy平面上の凹凸特性の不均一分布と、z軸に沿った高周波特性への依存による課題に対処するため、マルチスケール・チャネルアテンション(MSCA)モジュールを導入する。
  論文  参考訳（メタデータ） (2024-03-25T14:13:09Z)
• Map-aided annotation for pole base detection [0.0]
  本稿では2次元HDマップを用いて,画像中の極状特徴を自動的にアノテートする。 高さ情報がない場合、地図の特徴は地上のポールベースとして表現される。 ポールベースを検出するためにオブジェクト検出器をどのように訓練するかを示す。
  論文  参考訳（メタデータ） (2024-03-04T09:23:11Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Exploring Active 3D Object Detection from a Generalization Perspective [58.597942380989245]
  不確実性に基づくアクティブな学習ポリシーは、ポイントクラウドの情報性とボックスレベルのアノテーションコストの間のトレードオフのバランスを取れません。 冗長な3次元境界ボックスラベルの点群を階層的にフィルタリングするtextscCrbを提案する。 実験により,提案手法が既存のアクティブラーニング戦略より優れていることが示された。
  論文  参考訳（メタデータ） (2023-01-23T02:43:03Z)
• How to Build a Curb Dataset with LiDAR Data for Autonomous Driving [11.632427050596728]
  ビデオカメラと3D LiDARは、検出を抑えるために自動運転車に搭載されている。 カメラベースストレッチ検出手法は、難解な照明条件に悩まされる。 テンプレートアノテーションや効率的なテンプレートラベリングアプローチを備えたデータセットは、要求が高い。
  論文  参考訳（メタデータ） (2021-10-08T08:32:37Z)
• Unsupervised Object Detection with LiDAR Clues [70.73881791310495]
  本稿では,LiDARの手がかりを用いた非教師対象検出のための最初の実用的手法を提案する。 提案手法では,まず3次元点雲に基づく候補オブジェクトセグメントを生成する。 そして、セグメントラベルを割り当て、セグメントラベルネットワークを訓練する反復的なセグメントラベル処理を行う。 ラベル付けプロセスは、長い尾とオープンエンドの分布の問題を軽減するために慎重に設計されている。
  論文  参考訳（メタデータ） (2020-11-25T18:59:54Z)
• Complete & Label: A Domain Adaptation Approach to Semantic Segmentation of LiDAR Point Clouds [49.47017280475232]
  3次元点雲のセマンティックラベリングにおける教師なし領域適応問題について検討する。 セグメンテーションネットワークに渡す前に、基盤となる表面を復元するためにComplete と Label のアプローチを採用する。 回収された3D表面は標準領域として機能し、そこからセマンティックラベルが異なるLiDARセンサー間で転送される。
  論文  参考訳（メタデータ） (2020-07-16T17:42:05Z)
• Inverting the Pose Forecasting Pipeline with SPF2: Sequential Pointcloud Forecasting for Sequential Pose Forecasting [106.3504366501894]
  自動運転車やロボット操作システムは、オブジェクトを最初に検出して追跡することによって、将来のオブジェクトのポーズを予測することが多い。 ポーズ予測アルゴリズムは通常、オブジェクトのポーズのラベル付きシーケンスを必要とするため、このパイプラインはスケールするのに費用がかかる。 本稿では,まず3次元センサデータを予測し,予測点雲列上の物体を検知・追跡し,将来的なポーズを求めることを提案する。 これにより、センサーデータ予測タスクにラベルが不要であるため、予測のスケールが難しくなる。
  論文  参考訳（メタデータ） (2020-03-18T17:54:28Z)
• 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。