論文の概要: Lane Detection System for Driver Assistance in Vehicles

• arxiv url: http://arxiv.org/abs/2410.04046v1
• Date: Sat, 5 Oct 2024 05:53:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-02 14:30:41.722444
• Title: Lane Detection System for Driver Assistance in Vehicles
• Title（参考訳）: 車両の運転支援のための車線検出システム
• Authors: Kauan Divino Pouso Mariano, Fernanda de Castro Fernandes, Luan Gabriel Silva Oliveira, Lyan Eduardo Sakuno Rodrigues, Matheus Andrade Brandão,
• Abstract要約: 本研究は,従来の自動運転車の運転支援を目的とした車線検出システムの開発について述べる。 このシステムは従来のコンピュータビジョン技術を用いて実装され、リアルタイムに動作するための堅牢性と効率性に焦点を当てた。 その制限にもかかわらず、従来のコンピュータビジョンアプローチは、運転支援システムや自律ナビゲーションの応用に大きな可能性を示していると結論付けている。
• 参考スコア（独自算出の注目度）: 36.136619420474766
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work presents the development of a lane detection system aimed at assisting the driving of conventional and autonomous vehicles. The system was implemented using traditional computer vision techniques, focusing on robustness and efficiency to operate in real-time, even under adverse conditions such as worn-out lanes and weather variations. The methodology employs an image processing pipeline that includes camera calibration, distortion correction, perspective transformation, and binary image generation. Lane detection is performed using sliding window techniques and segmentation based on gradients and color channels, enabling the precise identification of lanes in various road scenarios. The results indicate that the system can effectively detect and track lanes, performing well under different lighting conditions and road surfaces. However, challenges were identified in extreme situations, such as intense shadows and sharp curves. It is concluded that, despite its limitations, the traditional computer vision approach shows significant potential for application in driver assistance systems and autonomous navigation, with room for future improvements.
• Abstract（参考訳）: 本研究は,従来の自動運転車の運転支援を目的とした車線検出システムの開発について述べる。 このシステムは従来のコンピュータビジョン技術を用いて実装され、車線や天候の変化といった悪条件下であっても、リアルタイムに運用するための堅牢性と効率性に重点を置いている。 この手法は、カメラキャリブレーション、歪み補正、視点変換、バイナリ画像生成を含む画像処理パイプラインを使用する。 勾配とカラーチャネルに基づくスライディングウインドウ手法とセグメンテーションを用いてレーン検出を行い,様々な道路シナリオにおけるレーンの正確な識別を可能にする。 その結果,車線を効果的に検出・追跡でき,照明条件や路面の異なる環境下では良好に動作できることが示唆された。 しかし、激しい影や鋭い曲線のような極端な状況では課題が特定された。 その制限にもかかわらず、従来のコンピュータビジョンアプローチは、ドライバーアシストシステムや自律ナビゲーションの応用に大きな可能性を示し、将来の改善の余地がある、と結論付けている。

関連論文リスト

• Monocular Lane Detection Based on Deep Learning: A Survey [51.19079381823076]
  車線検出は自律運転認識システムにおいて重要な役割を果たす。 ディープラーニングアルゴリズムが普及するにつれて、ディープラーニングに基づく単眼車線検出手法が優れた性能を示した。 本稿では, 成熟度の高い2次元車線検出手法と開発途上国の3次元車線検出技術の両方を網羅して, 既存手法の概要を概説する。
  論文  参考訳（メタデータ） (2024-11-25T12:09:43Z)
• How to deal with glare for improved perception of Autonomous Vehicles [0.0]
  視覚センサーは多用途であり、色、テクスチャ、形状、深さなど幅広い視覚的手がかりを捉えることができる。 視覚に基づく環境認識システムは、明るい光源の存在下での光沢によって容易に影響を受ける。
  論文  参考訳（メタデータ） (2024-04-17T02:05:05Z)
• NiteDR: Nighttime Image De-Raining with Cross-View Sensor Cooperative Learning for Dynamic Driving Scenes [49.92839157944134]
  夜間の運転シーンでは、不十分で不均一な照明が暗闇の中でシーンを遮蔽し、画質と可視性が低下する。 雨天時の運転シーンに適した画像デライニング・フレームワークを開発した。 雨の人工物を取り除き、風景表現を豊かにし、有用な情報を復元することを目的としている。
  論文  参考訳（メタデータ） (2024-02-28T09:02:33Z)
• Online Camera-to-ground Calibration for Autonomous Driving [26.357898919134833]
  運転中に特定の目標を利用できないオンライン単眼カメラ・地上キャリブレーションソリューションを提案する。 キャリブレーション性能の定量化と,満足度の高いキャリブレーション結果の報告・放送の停止基準を提供する。
  論文  参考訳（メタデータ） (2023-03-30T04:01:48Z)
• 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)
• FBLNet: FeedBack Loop Network for Driver Attention Prediction [75.83518507463226]
  非客観的運転経験はモデル化が難しい。 本稿では,運転経験蓄積過程をモデル化するFeedBack Loop Network (FBLNet)を提案する。 インクリメンタルな知識の指導のもと、私たちのモデルは入力画像から抽出されたCNN特徴とトランスフォーマー特徴を融合し、ドライバーの注意を予測します。
  論文  参考訳（メタデータ） (2022-12-05T08:25:09Z)
• 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)
• Preprocessing Methods of Lane Detection and Tracking for Autonomous Driving [0.0]
  リアルタイムレーン検出とトラッキング(LDT)は、上記のタスクを実行するための最も結果的な部分の1つです。 本稿では,車線標識検出のための前処理手法と,車線境界をリアルタイムで追跡するシステムについて検討する。
  論文  参考訳（メタデータ） (2021-04-10T13:03:52Z)
• Traffic Lane Detection using FCN [0.0]
  車線検出は、自動運転車が都市部の複数車線走行環境に適切に配置できるようにする重要な技術だ。 本プロジェクトでは,車線検出のための畳み込みデコーダであるFully Convolutional Networkを設計した。 このモデルを実世界の大規模データセットに適用し,ベースラインモデルを上回る精度を達成した。
  論文  参考訳（メタデータ） (2020-04-19T22:25:12Z)

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。