Fugu-MT 論文翻訳(概要): Smart Camera Parking System With Auto Parking Spot Detection

論文の概要: Smart Camera Parking System With Auto Parking Spot Detection

arxiv url: http://arxiv.org/abs/2407.05469v1
Date: Sun, 7 Jul 2024 19:00:11 GMT
ステータス: 処理完了
システム内更新日: 2024-07-09 17:39:22.160449
Title: Smart Camera Parking System With Auto Parking Spot Detection
Title（参考訳）: 自動駐車スポット検出によるスマートカメラ駐車システム
Authors: Tuan T. Nguyen, Mina Sartipi,
Abstract要約: PakStaと呼ばれる新しい手法で駐車場の状態を自動識別する。本手法はPakLocのオブジェクト検出器を用いて,ビデオフレーム内の駐車場の占有状況を同時に判定する。提案手法がPKLotデータセットに与える影響は, 人的労働力の94.25%を大幅に削減する結果となった。
参考スコア（独自算出の注目度）: 1.0512475026060208
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Given the rising urban population and the consequential rise in traffic congestion, the implementation of smart parking systems has emerged as a critical matter of concern. Smart parking solutions use cameras, sensors, and algorithms like computer vision to find available parking spaces. This method improves parking place recognition, reduces traffic and pollution, and optimizes travel time. In recent years, computer vision-based approaches have been widely used. However, most existing studies rely on manually labeled parking spots, which has implications for the cost and practicality of implementation. To solve this problem, we propose a novel approach PakLoc, which automatically localize parking spots. Furthermore, we present the PakSke module, which automatically adjust the rotation and the size of detected bounding box. The efficacy of our proposed methodology on the PKLot dataset results in a significant reduction in human labor of 94.25\%. Another fundamental aspect of a smart parking system is its capacity to accurately determine and indicate the state of parking spots within a parking lot. The conventional approach involves employing classification techniques to forecast the condition of parking spots based on the bounding boxes derived from manually labeled grids. In this study, we provide a novel approach called PakSta for identifying the state of parking spots automatically. Our method utilizes object detector from PakLoc to simultaneously determine the occupancy status of all parking lots within a video frame. Our proposed method PakSta exhibits a competitive performance on the PKLot dataset when compared to other classification methods.
Abstract（参考訳）: 都市人口の増加と交通渋滞の増加を踏まえ、スマートパーキングシステムの実現が重要な問題となっている。スマートパーキングソリューションは、カメラやセンサー、コンピュータビジョンなどのアルゴリズムを使って、利用可能なパーキングスペースを見つける。この方法は、駐車場所の認識を改善し、交通や汚染を低減し、旅行時間を最適化する。近年,コンピュータビジョンに基づくアプローチが広く用いられている。しかし、既存のほとんどの研究は、手動でラベル付けされた駐車場に依存しており、実装のコストと実用性に影響を及ぼす。この問題を解決するために,駐車場を自動的に位置決めする新しいアプローチPakLocを提案する。さらに,検出されたバウンディングボックスの回転とサイズを自動的に調整するPakSkeモジュールを提案する。提案手法がPKLotデータセットに与える影響は, 人的労働力の94.25\%を大幅に削減する結果となった。スマートパーキングシステムのもう1つの基本的な側面は、駐車場内の駐車場の状態を正確に判断し、示す能力である。従来の手法では、手動でラベル付けされたグリッドから派生したバウンディングボックスに基づいて駐車場の状態を予測するための分類手法が採用されている。本研究ではPakStaという新しい手法を用いて駐車場の状態を自動同定する手法を提案する。本手法はPakLocのオブジェクト検出器を用いて,ビデオフレーム内の駐車場の占有状況を同時に判定する。提案手法は,他の分類法と比較してPKLotデータセット上での競合性能を示す。

関連論文リスト

MSight: An Edge-Cloud Infrastructure-based Perception System for Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。 MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文参考訳（メタデータ） (2023-10-08T21:32:30Z)
Automatic Vision-Based Parking Slot Detection and Occupancy Classification [3.038642416291856]
パーキング誘導情報(PGI)システムは、最も近い駐車場と空き駐車場の数についてドライバーに情報を提供するために使用される。近年、視覚ベースのソリューションは標準的なPGIシステムに代わる費用対効果の代替として現れ始めている。本稿では,入力画像のみに基づいて自動駐車スロット検出・職業分類(APSD-OC)を行うアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-08-16T07:44:34Z)
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)
Vehicle Occurrence-based Parking Space Detection [5.084185653371259]
本研究では、駐車場の画像列を受信し、検出された駐車場を識別する座標のリストを返す自動駐車空間検出方法を提案する。 PKLotとCNRPark-EXTの駐車場データから12の異なる部分集合を用いた結果、AP25のスコアは95.60%、AP50のスコアは79.90%に達した。
論文参考訳（メタデータ） (2023-06-16T16:22:45Z)
SHINE: Deep Learning-Based Accessible Parking Management System [1.7109513360384465]
自家用車の増加により、障害者の駐車スペースが乱用されている。従来のライセンスプレート認識(LPR)システムは、そのような問題にリアルタイムで対処する上で非効率であることが証明されている。我々は,深層学習に基づく物体検出アルゴリズムを用いて車両を検知するシステム,Shineを提案する。
論文参考訳（メタデータ） (2023-02-02T02:46:52Z)
Exploring Contextual Representation and Multi-Modality for End-to-End Autonomous Driving [58.879758550901364]
最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
論文参考訳（メタデータ） (2022-10-13T05:56:20Z)
Smart Parking Space Detection under Hazy conditions using Convolutional Neural Networks: A Novel Approach [0.0]
本稿では, 空き環境下での駐車スペース占有性能を向上させるデハジングネットワークの利用について検討する。提案システムは既存のスマートパーキングシステムの一部として展開可能で、数百台のパーキングスペースを監視するために、限られた数のカメラが使用されている。
論文参考訳（メタデータ） (2022-01-15T14:15:46Z)
Model-based Decision Making with Imagination for Autonomous Parking [50.41076449007115]
提案アルゴリズムは,駐車前に結果を予測するための想像モデル,高速探索ランダムツリー(RRT)の改良,経路平滑化モジュールの3つの部分から構成される。われわれのアルゴリズムは、実際のキネマティックな車両モデルに基づいており、実際の自動運転車にアルゴリズムを適用するのにより適している。アルゴリズムの有効性を評価するため,3つの異なる駐車シナリオにおいて,従来のRTとアルゴリズムを比較した。
論文参考訳（メタデータ） (2021-08-25T18:24:34Z)
Universal Embeddings for Spatio-Temporal Tagging of Self-Driving Logs [72.67604044776662]
我々は、生のセンサデータから、自動運転シーンの時間的タグ付けの問題に取り組む。提案手法では,全てのタグに対する普遍的な埋め込みを学習し,多くの属性を効率的にタグ付けし,限られたデータで新しい属性を高速に学習する。
論文参考訳（メタデータ） (2020-11-12T02:18:16Z)
Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
論文参考訳（メタデータ） (2020-02-28T00:24:18Z)
Trained Trajectory based Automated Parking System using Visual SLAM on Surround View Cameras [0.0]
我々は、訓練された軌道自動駐車システムの使用事例、設計、実装について論じる。提案システムは商用車両に展開し, 消費者アプリケーションについて解説する。
論文参考訳（メタデータ） (2020-01-07T16:43:27Z)

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。