論文の概要: Enhancing Roadway Safety: LiDAR-based Tree Clearance Analysis
- arxiv url: http://arxiv.org/abs/2402.18309v1
- Date: Wed, 28 Feb 2024 13:08:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-29 14:54:28.806298
- Title: Enhancing Roadway Safety: LiDAR-based Tree Clearance Analysis
- Title（参考訳）: 道路安全の強化:LiDARによるツリークリアランス分析
- Authors: Miriam Louise Carnot, Eric Peukert, Bogdan Franczyk
- Abstract要約: 木やその他の植生は道路上に成長しており、交通標識や照明の視界を遮り、交通参加者に危険を及ぼす。
そこでLiDARの技術が活躍する。レーザースキャナーは3次元の視点を明らかにする。
街路で成長し、トリミングする必要がある木々のこれらの部分を自動的に検出する新しいポイントクラウドアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 0.2877502288155167
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the efforts for safer roads, ensuring adequate vertical clearance above
roadways is of great importance. Frequently, trees or other vegetation is
growing above the roads, blocking the sight of traffic signs and lights and
posing danger to traffic participants. Accurately estimating this space from
simple images proves challenging due to a lack of depth information. This is
where LiDAR technology comes into play, a laser scanning sensor that reveals a
three-dimensional perspective. Thus far, LiDAR point clouds at the street level
have mainly been used for applications in the field of autonomous driving.
These scans, however, also open up possibilities in urban management. In this
paper, we present a new point cloud algorithm that can automatically detect
those parts of the trees that grow over the street and need to be trimmed. Our
system uses semantic segmentation to filter relevant points and downstream
processing steps to create the required volume to be kept clear above the road.
Challenges include obscured stretches of road, the noisy unstructured nature of
LiDAR point clouds, and the assessment of the road shape. The identified points
of non-compliant trees can be projected from the point cloud onto images,
providing municipalities with a visual aid for dealing with such occurrences.
By automating this process, municipalities can address potential road space
constraints, enhancing safety for all. They may also save valuable time by
carrying out the inspections more systematically. Our open-source code gives
communities inspiration on how to automate the process themselves.
- Abstract（参考訳）: より安全な道路では、道路上の適切な垂直クリアランスを確保することが重要である。
しばしば木やその他の植生が道路の上に生えており、道路標識やライトの視認を妨げ、交通参加者に危険を及ぼす。
この空間を単純な画像から正確に推定することは、深度情報がないために困難である。
そこでLiDARの技術が活躍する。レーザースキャナーは3次元の視点を明らかにする。
これまでのところ、道路レベルのLiDARポイントクラウドは、主に自動運転分野のアプリケーションに使われてきた。
しかし、これらのスキャンは都市管理の可能性を開放する。
本稿では,道路上に生長する木々を自動的に検出し,刈り取らなければならない新たなポイントクラウドアルゴリズムを提案する。
提案システムでは,意味セグメンテーションを用いて関連するポイントと下流処理ステップをフィルタリングし,必要なボリュームを道路上で明確に生成する。
課題には、道路のぼやけた伸び、LiDAR点雲のノイズのない非構造性、道路形状の評価などが含まれる。
非準拠樹の特定点を雲点から画像に投影することができ、自治体がこのような事件に対処するための視覚的支援を提供する。
このプロセスを自動化することで、自治体は潜在的な道路空間の制約に対処し、全員の安全を高めることができる。
また、より体系的に検査を行うことで、貴重な時間を節約できる。
私たちのオープンソースコードは、プロセス自体の自動化方法に関するコミュニティのインスピレーションを与えます。
関連論文リスト
- LidaRF: Delving into Lidar for Neural Radiance Field on Street Scenes [73.65115834242866]
光リアリスティックシミュレーションは、自律運転のようなアプリケーションにおいて重要な役割を果たす。
しかし, コリニアカメラの動作やスペーサーのサンプリングにより, 街路景観の再現性は低下する。
街路面のNeRF品質を改善するために,Lidarデータのより優れた利用を可能にするいくつかの知見を提案する。
論文 参考訳（メタデータ） (2024-05-01T23:07:12Z) - RoadRunner -- Learning Traversability Estimation for Autonomous Off-road Driving [13.101416329887755]
我々は、カメラとLiDARセンサーの入力から直接地形変動を予測できるフレームワークであるRoadRunnerと、標高マップを提示する。
RoadRunnerは、センサ情報、不確実性の処理、コンテキスト情報による予測の生成を融合させることで、信頼性の高い自律ナビゲーションを可能にする。
我々は,非構造砂漠環境を通した複数の現実の運転シナリオにおいて,安全かつ信頼性の高いオフロードナビゲーションを実現する上で,ロードランナーの有効性を実証する。
論文 参考訳（メタデータ） (2024-02-29T16:47:54Z) - 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) - 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) - Explainable, automated urban interventions to improve pedestrian and
vehicle safety [0.8620335948752805]
本稿では,歩行者や車両の安全性にアプローチするために,公共データソース,大規模街路画像,コンピュータビジョン技術を組み合わせる。
このパイプラインに関わるステップには、各都市シーンのハザード指標を決定するために、残留畳み込みニューラルネットワークの適応とトレーニングが含まれる。
この計算手法の結果は、都市全体の危険レベルの詳細なマップであり、歩行者と車両の安全性を同時に改善する可能性がある。
論文 参考訳（メタデータ） (2021-10-22T09:17:39Z) - 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) - Evaluating Computer Vision Techniques for Urban Mobility on Large-Scale,
Unconstrained Roads [25.29906312974705]
本稿では,道路安全の課題を大規模に解決するために,簡易な移動画像撮影装置を提案する。
道路上の不規則を識別するために,近年のコンピュータビジョン技術を用いている。
また、トラフィック違反を見つけるためのモバイルイメージングソリューションの適用性を実証する。
論文 参考訳（メタデータ） (2021-09-11T09:07:56Z) - CP-loss: Connectivity-preserving Loss for Road Curb Detection in
Autonomous Driving with Aerial Images [10.300623192980753]
自動走行には道路停止検知が重要である。
現在の方法のほとんどは、カメラや3Dライダーなどの車両に搭載されたセンサーを使って、オンラインで道路の縁石を検出する。
本稿では,高分解能空中画像を用いて道路の縁石をオフラインで検出する。
論文 参考訳（メタデータ） (2021-07-26T01:36:58Z) - 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) - Where can I drive? A System Approach: Deep Ego Corridor Estimation for
Robust Automated Driving [2.378161932344701]
本稿では, 深層学習手法を用いて, エゴレーンの乾燥可能な廊下をピクセルレベルで具体的に分類することを提案する。
当社のアプローチは, 大規模製品に適用可能なパラメータがわずか0.66万で, 計算効率を保っている。
論文 参考訳（メタデータ） (2020-04-16T13:04:18Z) - Depth Sensing Beyond LiDAR Range [84.19507822574568]
小型の視野カメラを用いた3カメラシステムを提案する。
我々のシステムは、計量深度を計算するための新しいアルゴリズムとともに、完全な事前校正を必要としない。
遠距離のシーンや物体に対して、事実上許容できる精度で密集した深度マップを出力することができる。
論文 参考訳（メタデータ） (2020-04-07T00:09:51Z)
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。