論文の概要: Automated GIS-Based Framework for Detecting Crosswalk Changes from Bi-Temporal High-Resolution Aerial Images
- arxiv url: http://arxiv.org/abs/2406.09731v1
- Date: Fri, 14 Jun 2024 05:36:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-17 15:03:43.247929
- Title: Automated GIS-Based Framework for Detecting Crosswalk Changes from Bi-Temporal High-Resolution Aerial Images
- Title（参考訳）: 双方向高分解能空中画像からの横断歩道変化検出のためのGISに基づく自動フレームワーク
- Authors: Richard Boadu Antwi, Samuel Takyi, Alican Karaer, Eren Erman Ozguven, Michael Kimollo, Ren Moses, Maxim A. Dulebenets, Thobias Sando,
- Abstract要約: 本研究では,フロリダ州のオレンジ郡,オセオラ郡,セミノール郡の横断歩道の変化を自動的に検出する枠組みを開発した。
様々な時間間隔で得られた高解像度画像から抽出したデータを使用する。
オレンジ郡では約2,094回の横断歩道変更があり、州道では312回起きている。
一方、セミノール郡とオセオラ郡では、地方道路と州道の両方で1,040と1,402の横断歩道の変化が観察された。
- 参考スコア（独自算出の注目度）: 2.5849315636929475
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Identification of changes in pavement markings has become crucial for infrastructure monitoring, maintenance, development, traffic management, and safety. Automated extraction of roadway geometry is critical in helping with this, given the increasing availability of high-resolution images and advancements in computer vision and object detection. Specifically, due to the substantial volume of satellite and high-resolution aerial images captured at different time instances, change detection has become a viable solution. In this study, an automated framework is developed to detect changes in crosswalks of Orange, Osceola, and Seminole counties in Florida, utilizing data extracted from high-resolution images obtained at various time intervals. Specifically, for Orange County, crosswalk changes between 2019 and 2021 were manually extracted, verified, and categorized as either new or modified crosswalks. For Seminole County, the developed model was used to automatically extract crosswalk changes between 2018 and 2021, while for Osceola County, changes between 2019 and 2020 were extracted. Findings indicate that Orange County witnessed approximately 2,094 crosswalk changes, with 312 occurring on state roads. In Seminole and Osceola counties, on the other hand, 1,040 and 1,402 crosswalk changes were observed on both local and state roads, respectively. Among these, 340 and 344 were identified on state roads in Seminole and Osceola, respectively. Spatiotemporal changes observed in crosswalks can be utilized to regularly update the existing crosswalk inventories, which is essential for agencies engaged in traffic and safety studies. Data extracted from these crosswalk changes can be combined with traffic and crash data to provide valuable insights to policymakers.
- Abstract（参考訳）: 舗装標識の変化の同定は, インフラ監視, 整備, 開発, 交通管理, 安全のために重要になっている。
画像の高解像度化やコンピュータビジョンの進歩、物体検出などを考えると、道路形状の自動抽出はそれを支援する上で重要である。
具体的には、衛星と高解像度の空中画像が異なる時間帯で撮影されているため、変化検出は実現可能な解決策となっている。
本研究では,フロリダ州のオレンジ郡,オセオラ郡,セミノール郡の横断歩道の変化を,様々な時間間隔で得られた高解像度画像から抽出したデータを用いて検出する自動フレームワークを開発した。
特にオレンジ郡では、2019年から2021年までの横断歩道の変更を手作業で抽出し、検証し、新しくまたは修正された横断歩道に分類した。
セミノール郡では2018年から2021年の間に自動的に横断歩道の変更を抽出するために開発モデルが使用され、オセオラ郡では2019年から2020年の間に変更が抽出された。
オレンジ郡では約2,094回の横断歩道変更があり、州道では312回起きている。
一方、セミノール郡とオセオラ郡では、地方道路と州道の両方で1,040と1,402の横断歩道の変化が観察された。
このうち340号線と344号線は、それぞれセミノールとオセオラの州道で識別された。
横断歩道で観察される時空間変化は、交通・安全研究に従事する機関にとって不可欠な、既存の横断歩道の在庫を定期的に更新するために利用することができる。
これらの横断歩道の変更から抽出されたデータは、トラフィックとクラッシュデータを組み合わせることで、政策立案者に貴重な洞察を与えることができる。
関連論文リスト
- Unsupervised Adaptation from Repeated Traversals for Autonomous Driving [54.59577283226982]
自動運転車はエンドユーザー環境に一般化し、確実に動作させなければならない。
潜在的な解決策の1つは、エンドユーザの環境から収集されたラベルのないデータを活用することである。
適応過程を監督する信頼性のある信号はターゲット領域に存在しない。
この単純な仮定は、ターゲット領域上の3次元物体検出器の反復的自己学習を可能にする強力な信号を得るのに十分であることを示す。
論文 参考訳（メタデータ） (2023-03-27T15:07:55Z) - Mobile Mapping Mesh Change Detection and Update [0.0]
品質,カバレッジ,取得時間が異なるメッシュをマージする問題に対処する,完全な自動パイプラインを提案する。
提案手法は,距離と視認性に基づく変化検出,変化の持続可能性を評価する時系列解析,大域的最適化に基づくメッシュモザイキングに基づく。
論文 参考訳（メタデータ） (2023-03-13T15:24:06Z) - Predicting Pedestrian Crosswalk Behavior Using Convolutional Neural
Networks [7.227853810310584]
歩行者事故は年間交通事故の多さに大きく貢献している。
人々はしばしば横断歩道の光を消すことを忘れるか、そうすることができません。
本稿では歩行者を検知できるシステムを設計することで横断歩道システムの改善を検討する。
論文 参考訳（メタデータ） (2022-08-08T22:48:22Z) - Traffic4cast at NeurIPS 2021 -- Temporal and Spatial Few-Shot Transfer
Learning in Gridded Geo-Spatial Processes [61.16854022482186]
NeurIPS 2019と2020のIARAI Traffic4castコンペティションでは、ニューラルネットワークが将来の交通条件を1時間以内に予測することに成功した。
U-Netsは、この複雑な現実世界の地理空間的プロセスにおいて、関連する特徴を抽出する能力を実証し、勝利したアーキテクチャであることが証明された。
コンペティションは2年間で10都市をカバーし、1012以上のGPSプローブデータから収集したデータを提供する。
論文 参考訳（メタデータ） (2022-03-31T14:40:01Z) - Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
歩行者の立ち止まりと予測の新たな課題を紹介します。
都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。
歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
論文 参考訳（メタデータ） (2022-03-04T18:39:31Z) - Cross-Camera Feature Prediction for Intra-Camera Supervised Person
Re-identification across Distant Scenes [70.30052164401178]
人物再識別(Re-ID)は、重複しないカメラビュー間で人物画像をマッチングすることを目的としている。
ICS-DS Re-IDは、カメラ内IDラベル付きクロスカメラアンペアデータを使用してトレーニングを行う。
カメラ横断型自己監視情報マイニングのためのクロスカメラ特徴予測法
グローバルレベルの特徴とローカルレベルの特徴の合同学習は、グローバルなローカルなクロスカメラ特徴予測スキームを形成する。
論文 参考訳（メタデータ） (2021-07-29T11:27:50Z) - Automated Object Behavioral Feature Extraction for Potential Risk
Analysis based on Video Sensor [6.291501119156943]
歩行者は道路、特に標識のない横断歩道で死亡や重傷を負う危険にさらされている。
本研究では,道路上に展開された映像センサから物体の行動特徴を効果的に抽出するシステムを提案する。
本研究は、スマートシティーに実用的なデータを提供するためのコネクテッドビデオセンサネットワークの可能性を示す。
論文 参考訳（メタデータ） (2021-07-08T01:11:31Z) - End-to-End Deep Structured Models for Drawing Crosswalks [98.9901717499058]
我々は、両方の入力を地上に投影し、シーンのトップダウンビューを生成します。
次に,畳み込みニューラルネットワークを用いて横断歩道の位置に関する意味的手がかりを抽出する。
大都市での横断歩道実験では96.6%の自動化が可能であった。
論文 参考訳（メタデータ） (2020-12-21T18:59:08Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z) - Identifying safe intersection design through unsupervised feature
extraction from satellite imagery [9.306618776574025]
世界保健機関(WHO)は、より安全な交差点の設計を、世界の道路トラウマを減らす重要な介入として挙げている。
およそ90万枚の衛星画像がオーストラリアのすべての交差点でダウンロードされ、道路インフラを強調したコンピュータビジョン技術がカスタマイズされた。
ディープオートエンコーダは、交差点のタイプ、サイズ、形状、レーンマーキング、複雑さなどの高レベルな特徴を抽出した。
論文 参考訳（メタデータ） (2020-10-29T03:42:09Z)
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。