論文の概要: Low-cost modular devices for on-road vehicle detection and characterisation

• arxiv url: http://arxiv.org/abs/2405.00678v1
• Date: Fri, 26 Jan 2024 16:42:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-01 11:29:30.887685
• Title: Low-cost modular devices for on-road vehicle detection and characterisation
• Title（参考訳）: オンデマンド車両検出・キャラクタリゼーションのための低コストモジュールデバイス
• Authors: Jose-Luis Poza-Lujan, Pedro Uribe-Chavert, Juan-Luis Posadas-Yagüe,
• Abstract要約: 本稿では,モジュール型デバイスをベースとしたシステムについて紹介する。 デバイスは超音波センサーを使って車両の速度と長さを検知する。 測定精度は、デバイスモジュールの協調により向上する。
• 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: Detecting and characterising vehicles is one of the purposes of embedded systems used in intelligent environments. An analysis of a vehicle characteristics can reveal inappropriate or dangerous behaviour. This detection makes it possible to sanction or notify emergency services to take early and practical actions. Vehicle detection and characterisation systems employ complex sensors such as video cameras, especially in urban environments. These sensors provide high precision and performance, although the price and computational requirements are proportional to their accuracy. These sensors offer high accuracy, but the price and computational requirements are directly proportional to their performance. This article introduces a system based on modular devices that is economical and has a low computational cost. These devices use ultrasonic sensors to detect the speed and length of vehicles. The measurement accuracy is improved through the collaboration of the device modules. The experiments were performed using multiple modules oriented to different angles. This module is coupled with another specifically designed to detect distance using previous modules speed and length data. The collaboration between different modules reduces the speed relative error ranges from 1 to 5, depending on the angle configuration used in the modules.
• Abstract（参考訳）: 車両の検出と特徴付けは、インテリジェントな環境で使用される組込みシステムの目的の1つである。 車両の特徴を分析すると、不適切または危険な振る舞いが明らかになる。 この検出により、緊急サービスに対して早期かつ実用的な措置をとるよう指示または通知することができる。 車両検出とキャラクタリゼーションシステムは、特に都市環境では、ビデオカメラのような複雑なセンサーを使用している。 これらのセンサーは高い精度と性能を提供するが、価格と計算要求はその精度に比例する。 これらのセンサーは精度が高いが、価格と計算の要求は性能に直接比例する。 本稿では,モジュール型デバイスをベースとしたシステムについて紹介する。 これらのデバイスは超音波センサーを使って車両の速度と長さを検出する。 測定精度は、デバイスモジュールの協調により向上する。 実験は異なる角度に向いた複数のモジュールを用いて行われた。 このモジュールは、以前のモジュール速度と長さデータを使用して距離を検出するように設計された別のモジュールと結合されている。 異なるモジュール間の協調により、モジュールで使用される角度設定に応じて、相対誤差の速度が1から5に減少する。

関連論文リスト

• Learning 3D Perception from Others' Predictions [64.09115694891679]
  本研究では,3次元物体検出装置を構築するための新たなシナリオについて検討する。 例えば、自動運転車が新しいエリアに入ると、その領域に最適化された検出器を持つ他の交通参加者から学ぶことができる。
  論文  参考訳（メタデータ） (2024-10-03T16:31:28Z)
• Automated Automotive Radar Calibration With Intelligent Vehicles [73.15674960230625]
  本稿では,自動車用レーダセンサの自動校正手法を提案する。 本手法では, 車両の外部改造を必要とせず, 自動走行車から得られる位置情報を利用する。 実地試験場からのデータを評価した結果,インフラセンサを自動で正確に校正できることが判明した。
  論文  参考訳（メタデータ） (2023-06-23T07:01:10Z)
• Energy-Based Models for Cross-Modal Localization using Convolutional Transformers [52.27061799824835]
  GPSのない衛星画像に対して、距離センサを搭載した地上車両を位置決めする新しい枠組みを提案する。 本稿では, 畳み込み変換器を用いて, 高精度な計量レベルの局所化を行う手法を提案する。 我々は、エンドツーエンドでモデルをトレーニングし、KITTI、Pandaset、カスタムデータセットの最先端技術よりも高い精度でアプローチを実証する。
  論文  参考訳（メタデータ） (2023-06-06T21:27:08Z)
• Deep Learning for Inertial Sensor Alignment [1.9773109138840514]
  慣性測定ユニット(IMU)を装備したスマートフォンのヨー装着角度を学習し,車に装着するデータ駆動型アプローチを提案する。 提案モデルは、IMUからの加速度計とジャイロスコープのみを入力として使用する。 トレーニングされたモデルはAndroidデバイスにデプロイされ、推定されたヨー装着角度の精度をテストするためにリアルタイムで評価される。
  論文  参考訳（メタデータ） (2022-12-10T07:50:29Z)
• Extrinsic Camera Calibration with Semantic Segmentation [60.330549990863624]
  本稿では,セグメンテーション情報を利用してパラメータ推定を自動化する,外部カメラキャリブレーション手法を提案する。 われわれのアプローチは、カメラのポーズの粗い初期測定と、車両に搭載されたライダーセンサーによる構築に依存している。 シミュレーションおよび実世界のデータを用いて,キャリブレーション結果の低誤差測定を行う。
  論文  参考訳（メタデータ） (2022-08-08T07:25:03Z)
• Anomaly Detection and Inter-Sensor Transfer Learning on Smart Manufacturing Datasets [6.114996271792091]
  スマートマニュファクチャリングシステムの目標は、運用コストを削減し、ダウンタイムをなくすために、失敗を迅速に検出(または予測)することである。 これはしばしば、システムから取得したセンサーの日程内で異常を検出することに起因する。 スマートマニュファクチャリングアプリケーションドメインは、ある種の健全な技術的課題を提起します。 予測的障害分類が達成できることを示し、予測的メンテナンスの道を開く。
  論文  参考訳（メタデータ） (2022-06-13T17:51:24Z)
• SenseMag: Enabling Low-Cost Traffic Monitoring using Non-invasive Magnetic Sensing [40.55828486246774]
  そこで本稿では, 直線道路上に展開する2つの非侵襲型磁気センサを用いて, 車両の車体型を認識するための低コストなSenseMagを提案する。 SenseMagは、車両がすべてのセンサーノードから到着または出発する正確な時間ポイントによって、受信したノイズとセグメントをフィルタリングする。 フィールド実験の結果,SenseMagは車種分類精度が90%以上,車両長分類誤差が5%未満であることが確認された。
  論文  参考訳（メタデータ） (2021-10-24T07:47:43Z)
• On the Role of Sensor Fusion for Object Detection in Future Vehicular Networks [25.838878314196375]
  異なるセンサの組み合わせが車両の移動・運転環境の検出にどのように影響するかを評価します。 最終的な目標は、チャネルに分散するデータの量を最小限に抑える最適な設定を特定することです。
  論文  参考訳（メタデータ） (2021-04-23T18:58:37Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• Investigating the Effect of Sensor Modalities in Multi-Sensor Detection-Prediction Models [8.354898936252516]
  我々は,モデル性能に対するセンサモダリティの寄与に注目した。 また,上記の課題を解決するためにセンサドロップアウトの利用について検討する。
  論文  参考訳（メタデータ） (2021-01-09T03:21:36Z)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)

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。