論文の概要: How to deal with glare for improved perception of Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2404.10992v1
• Date: Wed, 17 Apr 2024 02:05:05 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-18 15:34:07.519624
• Title: How to deal with glare for improved perception of Autonomous Vehicles
• Title（参考訳）: 自動運転車の認識向上のためのグラア対策
• Authors: Muhammad Z. Alam, Zeeshan Kaleem, Sousso Kelouwani,
• Abstract要約: 視覚センサーは多用途であり、色、テクスチャ、形状、深さなど幅広い視覚的手がかりを捉えることができる。 視覚に基づく環境認識システムは、明るい光源の存在下での光沢によって容易に影響を受ける。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision sensors are versatile and can capture a wide range of visual cues, such as color, texture, shape, and depth. This versatility, along with the relatively inexpensive availability of machine vision cameras, played an important role in adopting vision-based environment perception systems in autonomous vehicles (AVs). However, vision-based perception systems can be easily affected by glare in the presence of a bright source of light, such as the sun or the headlights of the oncoming vehicle at night or simply by light reflecting off snow or ice-covered surfaces; scenarios encountered frequently during driving. In this paper, we investigate various glare reduction techniques, including the proposed saturated pixel-aware glare reduction technique for improved performance of the computer vision (CV) tasks employed by the perception layer of AVs. We evaluate these glare reduction methods based on various performance metrics of the CV algorithms used by the perception layer. Specifically, we considered object detection, object recognition, object tracking, depth estimation, and lane detection which are crucial for autonomous driving. The experimental findings validate the efficacy of the proposed glare reduction approach, showcasing enhanced performance across diverse perception tasks and remarkable resilience against varying levels of glare.
• Abstract（参考訳）: 視覚センサーは多用途であり、色、テクスチャ、形状、深さなど幅広い視覚的手がかりを捉えることができる。 この汎用性と比較的安価なマシンビジョンカメラは、自動運転車(AV)にビジョンベースの環境認識システムを採用する上で重要な役割を担った。 しかし、視覚に基づく知覚システムは、夜間の太陽や対向車両のヘッドライトのような明るい光源の存在や、単に雪や氷で覆われた表面を反射する光の影響を受けやすい。 本稿では,AVの知覚層で使用されるコンピュータビジョン(CV)タスクの性能向上を目的とした,飽和画素対応のグラア低減技術を含む,様々なグラア低減手法について検討する。 認識層が使用するCVアルゴリズムの性能測定値に基づいて,これらのグラア低減手法を評価する。 具体的には,自律走行に不可欠な物体検出,物体認識,物体追跡,深度推定,車線検出について検討した。 実験により, グレア低減法の有効性を検証し, 多様な知覚課題にまたがる性能向上と, グレアのレベルに対する優れたレジリエンスを示した。

関連論文リスト

• Lane Detection System for Driver Assistance in Vehicles [36.136619420474766]
  本研究は,従来の自動運転車の運転支援を目的とした車線検出システムの開発について述べる。 このシステムは従来のコンピュータビジョン技術を用いて実装され、リアルタイムに動作するための堅牢性と効率性に焦点を当てた。 その制限にもかかわらず、従来のコンピュータビジョンアプローチは、運転支援システムや自律ナビゲーションの応用に大きな可能性を示していると結論付けている。
  論文  参考訳（メタデータ） (2024-10-05T05:53:29Z)
• Low-Light Enhancement Effect on Classification and Detection: An Empirical Study [48.6762437869172]
  我々は,低照度画像強調法(LLIE)が高レベル視覚タスクに与える影響を評価する。 本研究は,人間の視覚知覚における画像強調と,機械解析における切り離しを示唆するものである。 この洞察は、人間と機械の視覚の両方のニーズに合致するLLIE技術の開発に不可欠である。
  論文  参考訳（メタデータ） (2024-09-22T14:21:31Z)
• NiteDR: Nighttime Image De-Raining with Cross-View Sensor Cooperative Learning for Dynamic Driving Scenes [49.92839157944134]
  夜間の運転シーンでは、不十分で不均一な照明が暗闇の中でシーンを遮蔽し、画質と可視性が低下する。 雨天時の運転シーンに適した画像デライニング・フレームワークを開発した。 雨の人工物を取り除き、風景表現を豊かにし、有用な情報を復元することを目的としている。
  論文  参考訳（メタデータ） (2024-02-28T09:02:33Z)
• MonoTDP: Twin Depth Perception for Monocular 3D Object Detection in Adverse Scenes [49.21187418886508]
  本論文は,モノTDP(MonoTDP)と呼ばれる悪シーンにおける2つの深度を知覚するモノクル3次元検出モデルを提案する。 まず、制御不能な気象条件を扱うモデルを支援するための適応学習戦略を導入し、様々な劣化要因による劣化を著しく抑制する。 そこで本研究では, シーン深度と物体深度を同時に推定する新たな2つの深度認識モジュールを提案する。
  論文  参考訳（メタデータ） (2023-05-18T13:42:02Z)
• 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)
• Vision-Based Environmental Perception for Autonomous Driving [4.138893879750758]
  視覚認知は自律運転において重要な役割を果たす。 近年のディープラーニング手法の開発は信頼性と処理速度が向上している。 単眼カメラは、物体の深度を推定するために、単一の視点からの画像データを使用する。 同時位置情報マッピング(SLAM)は、道路環境のモデルを構築することができる。
  論文  参考訳（メタデータ） (2022-12-22T01:59:58Z)
• ColorSense: A Study on Color Vision in Machine Visual Recognition [57.916512479603064]
  視覚認識ベンチマークから,前景や背景色ラベルの非自明なアノテーション110,000点を収集する。 色識別のレベルがマシン認識モデルの性能に与える影響を実証することにより、データセットの使用を検証した。 その結果,分類や局所化などの物体認識タスクは,色覚バイアスの影響を受けやすいことが示唆された。
  論文  参考訳（メタデータ） (2022-12-16T18:51:41Z)
• Task-Driven Deep Image Enhancement Network for Autonomous Driving in Bad Weather [5.416049433853457]
  悪天候では、視覚的知覚はいくつかの劣化効果によって大きく影響を受ける。 画像の高品質な復元と高精度な知覚の両方に適した高レベルタスクモデルを導くための新しいタスク駆動型トレーニング戦略を導入する。 実験の結果, 提案手法は車線および2次元物体検出の性能を向上し, 主に悪天候下での深度推定が可能であることがわかった。
  論文  参考訳（メタデータ） (2021-10-14T08:03:33Z)
• Learning Perceptual Locomotion on Uneven Terrains using Sparse Visual Observations [75.60524561611008]
  この研究は、人中心の環境において、よく見られるバンプ、ランプ、階段の広い範囲にわたる知覚的移動を達成するために、スパースな視覚的観察の使用を活用することを目的としている。 まず、関心の均一な面を表すことのできる最小限の視覚入力を定式化し、このような外受容的・固有受容的データを統合した学習フレームワークを提案する。 本研究では, 平地を全方向歩行し, 障害物のある地形を前方移動させるタスクにおいて, 学習方針を検証し, 高い成功率を示す。
  論文  参考訳（メタデータ） (2021-09-28T20:25:10Z)
• Provident Vehicle Detection at Night for Advanced Driver Assistance Systems [3.7468898363447654]
  本報告では, 夜間に来るべき車両を, 発生した光成果物に基づいて検出するシステムについて述べる。 本研究では,提案システムが提供する時間的メリットを,実稼働型コンピュータビジョンシステムと比較して定量化する。
  論文  参考訳（メタデータ） (2021-07-23T15:27:17Z)

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。