論文の概要: Road Surface Friction Estimation for Winter Conditions Utilising General Visual Features
- arxiv url: http://arxiv.org/abs/2404.16578v1
- Date: Thu, 25 Apr 2024 12:46:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-26 13:40:12.234939
- Title: Road Surface Friction Estimation for Winter Conditions Utilising General Visual Features
- Title(参考訳): 一般的な視覚的特徴を利用した冬条件の道路表面摩擦推定
- Authors: Risto Ojala, Eerik Alamikkotervo,
- Abstract要約: 本稿では,道路側カメラによる路面摩擦のコンピュータビジョンによる評価について検討する。
本稿では、事前学習された視覚変換器モデルと畳み込みブロックからなるハイブリッドディープラーニングアーキテクチャWCamNetを提案する。
- 参考スコア(独自算出の注目度): 0.4972323953932129
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In below freezing winter conditions, road surface friction can greatly vary based on the mixture of snow, ice, and water on the road. Friction between the road and vehicle tyres is a critical parameter defining vehicle dynamics, and therefore road surface friction information is essential to acquire for several intelligent transportation applications, such as safe control of automated vehicles or alerting drivers of slippery road conditions. This paper explores computer vision-based evaluation of road surface friction from roadside cameras. Previous studies have extensively investigated the application of convolutional neural networks for the task of evaluating the road surface condition from images. Here, we propose a hybrid deep learning architecture, WCamNet, consisting of a pretrained visual transformer model and convolutional blocks. The motivation of the architecture is to combine general visual features provided by the transformer model, as well as finetuned feature extraction properties of the convolutional blocks. To benchmark the approach, an extensive dataset was gathered from national Finnish road infrastructure network of roadside cameras and optical road surface friction sensors. Acquired results highlight that the proposed WCamNet outperforms previous approaches in the task of predicting the road surface friction from the roadside camera images.
- Abstract(参考訳): 凍結した冬条件下では、道路上の雪、氷、水の混合によって道路表面の摩擦が大きく変化する。
道路と車両のタイヤ間の摩擦は車両の動力学を定義する重要なパラメータであり、道路表面摩擦情報は、自動車両の安全管理や、滑りやすい道路条件のドライバーの警告など、いくつかのインテリジェントな輸送用途において、取得に不可欠である。
本稿では,道路側カメラによる路面摩擦のコンピュータビジョンによる評価について検討する。
画像から路面状態を評価するための畳み込みニューラルネットワークの適用について,これまで広く研究されてきた。
本稿では、事前学習された視覚変換器モデルと畳み込みブロックからなるハイブリッドディープラーニングアーキテクチャWCamNetを提案する。
このアーキテクチャの動機は、変換器モデルによって提供される一般的な視覚的特徴と、畳み込みブロックの微細な特徴抽出特性を組み合わせることである。
このアプローチをベンチマークするために、フィンランドの道路インフラネットワークからロードサイドカメラと光路面摩擦センサーの広範なデータセットが集められた。
得られた結果から,提案したWCamNetは,道路側カメラ画像から路面摩擦を予測する作業において,従来の手法よりも優れていたことが示唆された。
関連論文リスト
- RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and
Comfortable Autonomous Driving [67.09546127265034]
道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。
我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。
約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
論文 参考訳(メタデータ) (2023-10-03T17:59:32Z) - Enhanced Winter Road Surface Condition Monitoring with Computer Vision [0.5874142059884521]
本稿では,カメラ画像から路面摩擦特性を推定できるディープラーニング回帰モデルSIWNetを提案する。
SIWNetはアーキテクチャに不確実性推定機構を含めることで、技術の状態を拡張している。
モデルは、SeeingThroughFogデータセットでトレーニングされ、テストされた。
論文 参考訳(メタデータ) (2023-10-02T06:33:06Z) - Street-View Image Generation from a Bird's-Eye View Layout [95.36869800896335]
近年,Bird's-Eye View (BEV) の知覚が注目されている。
自動運転のためのデータ駆動シミュレーションは、最近の研究の焦点となっている。
本稿では,現実的かつ空間的に一貫した周辺画像を合成する条件生成モデルであるBEVGenを提案する。
論文 参考訳(メタデータ) (2023-01-11T18:39:34Z) - Road Detection in Snowy Forest Environment using RGB Camera [0.0]
本稿では,RGBカメラを用いた森林環境における雪道の検出について紹介する。
画像成分を分類するために、ノイズフィルタリング技術と形態演算を組み合わせる。
False Negative RateとFalse Positive Rateの2つの誤差値でアルゴリズムの性能を評価する。
論文 参考訳(メタデータ) (2022-12-16T14:49:27Z) - Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。
我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
論文 参考訳(メタデータ) (2022-11-15T13:52:41Z) - 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) - Road Roughness Estimation Using Machine Learning [0.0]
自動車の垂直加速度と速度を用いた道路粗さ予測のための機械学習パイプラインを提案する。
その結果,従来の乗用車に搭載された車内センサを用いて,道路の粗さを正確に予測できることが示唆された。
論文 参考訳(メタデータ) (2021-07-02T17:37:55Z) - Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。
本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
論文 参考訳(メタデータ) (2021-04-19T11:48:13Z) - 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) - Design of Efficient Deep Learning models for Determining Road Surface
Condition from Roadside Camera Images and Weather Data [2.8904578737516764]
冬期における道路の整備は、安全と資源を要求される作業である。
その重要な活動の1つは、道路を優先し、耕作や製塩などの清掃作業を行うために、道路表面の状態(RSC)を決定することである。
RSCを決定するための2つの従来のアプローチは、訓練された職員による道路カメラ画像の視覚的検査と、現場での検査を行うために道路をパトロールすることである。
論文 参考訳(メタデータ) (2020-09-22T02:30:32Z) - DAWN: Vehicle Detection in Adverse Weather Nature Dataset [4.09920839425892]
本研究では,DAWNと呼ばれる各種気象条件下で収集した実世界の画像からなる新しいデータセットを提案する。
このデータセットは、実際の交通環境から1000枚の画像を集め、霧、雪、雨、砂嵐の4つの天候条件に分けられる。
このデータは,車両検知システムの性能に及ぼす悪天候の影響の解明に有効である。
論文 参考訳(メタデータ) (2020-08-12T15:48:49Z)
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。