論文の概要: Road Graph Generator: Mapping roads at construction sites from GPS data
- arxiv url: http://arxiv.org/abs/2402.09919v1
- Date: Thu, 15 Feb 2024 12:53:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-16 15:51:55.634807
- Title: Road Graph Generator: Mapping roads at construction sites from GPS data
- Title(参考訳): 道路グラフ生成装置:GPSデータによる建設現場の道路マッピング
- Authors: Katarzyna Micha{\l}owska, Helga Margrete Bodahl Holmestad, Signe
Riemer-S{\o}rensen
- Abstract要約: 地図構築現場におけるGPS軌道からの道路推定手法を提案する。
本課題は, 建設機械の非標準運動パターンが不安定であることから, 特異な課題を提起するものである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present a method for road inference from GPS trajectories to map
construction sites. This task introduces a unique challenge due to the erratic
and non-standard movement patterns of construction machinery, which diverge
significantly from typical vehicular traffic on established roads. Our method
first identifies intersections in the road network that serve as critical
decision points, and later connects them with edges, producing a graph, which
subsequently can be used for planning and task-allocation. We demonstrate the
effectiveness of our approach by mapping roads at a real-life construction site
in Norway.
- Abstract(参考訳): 地図構築現場におけるGPS軌道からの道路推定手法を提案する。
この課題は, 既設道路における典型的な車両交通とは大きく異なっており, 建設機械の非標準移動パターンが不安定であることから, 独特な課題である。
提案手法はまず,重要な決定点となる道路網の交差点を識別し,その後エッジと接続してグラフを生成し,計画やタスクアロケーションに使用することができる。
ノルウェーの実際の建設現場で道路を地図化することで,提案手法の有効性を実証する。
関連論文リスト
- PaRK-Detect: Towards Efficient Multi-Task Satellite Imagery Road
Extraction via Patch-Wise Keypoints Detection [12.145321599949236]
我々は、マルチタスク衛星画像道路抽出のための新しい手法、パッチワイド道路キーポイント検出(PaRK-Detect)を提案する。
筆者らのフレームワークは,パッチワイド道路キーポイントの位置と,それら間の近接関係を予測し,道路グラフを単一パスで構築する。
我々は,DeepGlobe, Massachusetts Roads, RoadTracerの既存の最先端手法に対するアプローチを評価し,競争力やより良い結果を得る。
論文 参考訳(メタデータ) (2023-02-26T08:26:26Z) - Correcting Faulty Road Maps by Image Inpainting [6.1642231492615345]
そこで我々は,道路地図を複雑な道路ジオメトリで固定する,カスタムメイドのジオメトリを使わずに,新しい画像インペインティング手法を提案する。
提案手法は, 直線道路, 曲がりくねった道路, T-ジャンクション, 交差点など, 様々な実世界の道路測地における有効性を示す。
論文 参考訳(メタデータ) (2022-11-12T01:58:32Z) - Haul Road Mapping from GPS Traces [0.0]
本稿では,道路網の正確な表現を,現場で運用されているトラックから取得したGPSデータを用いて自動的に導き出す可能性について検討する。
全ての試験アルゴリズムで見られる欠点に基づいて, 地雷の現場に典型的な工芸品の道路地図を幾何学的に解析するポストプロセッシング・ステップが開発された。
論文 参考訳(メタデータ) (2022-06-27T04:35:06Z) - Find a Way Forward: a Language-Guided Semantic Map Navigator [53.69229615952205]
本稿では,新たな視点で言語誘導ナビゲーションの問題に対処する。
ロボットが自然言語の指示を実行し、地図観測に基づいて目標位置へ移動できるようにする。
提案手法は特に長距離ナビゲーションの場合において顕著な性能向上をもたらす。
論文 参考訳(メタデータ) (2022-03-07T07:40:33Z) - RNGDet: Road Network Graph Detection by Transformer in Aerial Images [19.141279413414082]
道路ネットワークグラフは、自動運転車アプリケーションにとって重要な情報を提供する。
手動でアノテートする道路ネットワークグラフは非効率で労働集約的です。
RNGDetという変圧器と模倣学習に基づく新しい手法を提案する。
論文 参考訳(メタデータ) (2022-02-16T01:59:41Z) - Structured Bird's-Eye-View Traffic Scene Understanding from Onboard
Images [128.881857704338]
本研究では,BEV座標における局所道路網を表す有向グラフを,単眼カメラ画像から抽出する問題について検討する。
提案手法は,BEV平面上の動的物体を検出するために拡張可能であることを示す。
我々は、強力なベースラインに対するアプローチを検証するとともに、ネットワークが優れたパフォーマンスを達成することを示す。
論文 参考訳(メタデータ) (2021-10-05T12:40:33Z) - Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。
本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。
提案手法は,高品質なトラフィックフローマップを作成できる。
論文 参考訳(メタデータ) (2021-09-29T07:51:49Z) - Hierarchical Road Topology Learning for Urban Map-less Driving [8.107327095922729]
我々は、車両自体の感覚システムを活用することで、オンライン道路地図抽出の課題に取り組む。
本研究では,全畳み込みネットワーク内で,道路網のグラフ表現を階層的に生成する構造化モデルを設計する。
論文 参考訳(メタデータ) (2021-03-31T19:51:25Z) - DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。
グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。
2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
論文 参考訳(メタデータ) (2020-12-22T21:58:57Z) - Convolutional Recurrent Network for Road Boundary Extraction [99.55522995570063]
我々は,LiDARとカメラ画像からの道路境界抽出の問題に取り組む。
我々は,完全畳み込みネットワークが道路境界の位置と方向をエンコードする深い特徴量を得る構造化モデルを設計する。
北米の大都市において,道路境界の完全なトポロジを99.3%の時間で得られる方法の有効性を示す。
論文 参考訳(メタデータ) (2020-12-21T18:59:12Z) - Constructing Geographic and Long-term Temporal Graph for Traffic
Forecasting [88.5550074808201]
交通予測のための地理・長期時間グラフ畳み込み型ニューラルネットワーク(GLT-GCRNN)を提案する。
本研究では,地理的・長期的時間的パターンを共有する道路間のリッチな相互作用を学習する交通予測のための新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2020-04-23T03:50:46Z)
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。