論文の概要: SmartRSD: An Intelligent Multimodal Approach to Real-Time Road Surface Detection for Safe Driving

• arxiv url: http://arxiv.org/abs/2406.10128v1
• Date: Fri, 14 Jun 2024 15:38:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-17 13:06:25.414394
• Title: SmartRSD: An Intelligent Multimodal Approach to Real-Time Road Surface Detection for Safe Driving
• Title（参考訳）: SmartRSD:安全運転のためのリアルタイム路面検出のためのインテリジェントマルチモーダルアプローチ
• Authors: Adnan Md Tayeb, Mst Ayesha Khatun, Mohtasin Golam, Md Facklasur Rahaman, Ali Aouto, Oroceo Paul Angelo, Minseon Lee, Dong-Seong Kim, Jae-Min Lee, Jung-Hyeon Kim,
• Abstract要約: 本稿では,音声と画像を統合することで路面条件の自動検出を実現するためのマルチモーダル手法を提案する。 本研究は,道路安全の向上と事故リスクの最小化を目的とした聴覚と視覚の融合の可能性を明らかにするものである。
• 参考スコア（独自算出の注目度）: 4.22695582100076
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Precise and prompt identification of road surface conditions enables vehicles to adjust their actions, like changing speed or using specific traction control techniques, to lower the chance of accidents and potential danger to drivers and pedestrians. However, most of the existing methods for detecting road surfaces solely rely on visual data, which may be insufficient in certain situations, such as when the roads are covered by debris, in low light conditions, or in the presence of fog. Therefore, we introduce a multimodal approach for the automated detection of road surface conditions by integrating audio and images. The robustness of the proposed method is tested on a diverse dataset collected under various environmental conditions and road surface types. Through extensive evaluation, we demonstrate the effectiveness and reliability of our multimodal approach in accurately identifying road surface conditions in real-time scenarios. Our findings highlight the potential of integrating auditory and visual cues for enhancing road safety and minimizing accident risks
• Abstract（参考訳）: 路面条件の正確かつ迅速な特定により、車両は速度の変更や特定のトラクション制御技術の使用といった行動を調整することができ、事故の可能性を低くし、運転者や歩行者に危険をもたらす可能性がある。 しかし、既存の道路面検出法のほとんどは、道路が破片で覆われている場合や、光の少ない場合、霧が存在する場合など、特定の状況において不十分な視覚データにのみ依存している。 そこで本稿では,音声と画像を統合することで路面条件の自動検出を行うマルチモーダル手法を提案する。 提案手法のロバスト性は,様々な環境条件および路面タイプで収集された多様なデータセット上で検証される。 広範に評価することで,実時間シナリオにおける路面条件を正確に識別するマルチモーダルアプローチの有効性と信頼性を実証する。 道路安全の向上と事故リスクの最小化を目的とした聴覚と視覚の融合の可能性について検討した。

関連論文リスト

• RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes [57.319845580050924]
  本稿では,リスク感応制御と適応行動空間のカリキュラムを組み合わせた強化学習フレームワークを提案する。 提案アルゴリズムは,現実世界のオフロード運転タスクに対して,高速なポリシーを学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-07T23:32:36Z)
• Smart City Transportation: Deep Learning Ensemble Approach for Traffic Accident Detection [0.0]
  本稿では,スマートシティ交通監視システムにおける事故検出に適した軽量ソリューションであるI3D-CONVLSTM2Dモデルアーキテクチャを提案する。 I3D-CONVLSTM2D RGB + Optical-Flow (Trainable) モデルでは, 平均精度が87%, 平均精度が87%であった。 我々の研究は、スマート都市インフラ内のエッジIoTデバイスへのリアルタイム統合を前提とした、高度な視覚ベースの事故検出システムへの道筋を照らしている。
  論文  参考訳（メタデータ） (2023-10-16T03:47:08Z)
• 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)
• Intersection Warning System for Occlusion Risks using Relational Local Dynamic Maps [0.0]
  本研究は,センサカバレッジの制限による可観測性に制限のある交通シナリオにおけるリスク評価の課題に対処する。 視界の特定には、幾何学的情報と道路インフラを提供する局所的ダイナミックマップにレイキャスティングを用いる。 結果として生じるリスク指標は、ドライバーの現在の行動を評価し、重大な状況でドライバーに警告し、安全に行動する方法や安全な軌道を計画する方法を提案するために使用される。
  論文  参考訳（メタデータ） (2023-03-13T16:01:55Z)
• 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)
• Mathematical Models of Human Drivers Using Artificial Risk Fields [8.074019565026544]
  我々は、人間の運転者が今後の道路状況に応じてどのように車両を制御するかを予測するために、人工リスクフィールドの概念を用いる。 リスクフィールドは、最大20秒の予測地平線において、高い予測精度で将来の軌道を予測するのに優れている。
  論文  参考訳（メタデータ） (2022-05-24T15:39:01Z)
• 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)
• Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
  最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。 次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。 事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
  論文  参考訳（メタデータ） (2021-03-12T17:00:23Z)
• Can Autonomous Vehicles Identify, Recover From, and Adapt to Distribution Shifts? [104.04999499189402]
  トレーニング外の配布(OOD)シナリオは、デプロイ時にエージェントを学ぶ上で一般的な課題である。 インプロバスト模倣計画(RIP)と呼ばれる不確実性を考慮した計画手法を提案する。 提案手法は,OODシーンにおける過信および破滅的な外挿を低減し,分布変化を検知し,回復することができる。 分散シフトを伴うタスク群に対する駆動エージェントのロバスト性を評価するために,自動走行車ノベルシーンベンチマークであるtexttCARNOVEL を導入する。
  論文  参考訳（メタデータ） (2020-06-26T11:07:32Z)
• Road surface detection and differentiation considering surface damages [0.0]
  本研究では, 路面形状の変動を考慮した道路検出手法を提案し, 舗装面および未舗装面を同定し, 運転安全に関係のある他の道路面の損傷その他の情報を検出する。 この結果から,低コストカメラで撮影した画像を用いても,受動的視覚をこれらの目的に活用できることが示唆された。
  論文  参考訳（メタデータ） (2020-06-23T23:11:26Z)
• VTGNet: A Vision-based Trajectory Generation Network for Autonomous Vehicles in Urban Environments [26.558394047144006]
  模倣学習に基づく不確実性を考慮した終端軌道生成手法を開発した。 様々な気象条件や照明条件下では,ネットワークは異なる都市環境下で確実にトラジェクトリを生成することができる。 提案手法は,SOTA(State-of-the-art-to-end Control)よりもクロスシーン/プラットフォーム駆動性が向上する。
  論文  参考訳（メタデータ） (2020-04-27T06:17:55Z)

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。