論文の概要: Inadequate contrast ratio of road markings as an indicator for ADAS failure
- arxiv url: http://arxiv.org/abs/2410.13320v1
- Date: Thu, 17 Oct 2024 08:23:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-18 13:19:44.928451
- Title: Inadequate contrast ratio of road markings as an indicator for ADAS failure
- Title（参考訳）: ADAS故障の指標としての道路標識の不適切なコントラスト比
- Authors: Novel Certad, Cristina Olaverri-Monreal, Friedrich Wiesinger, Tomasz E. Burghardt,
- Abstract要約: ADASによる不適切な車線認識は,道路標識のコントラスト比が非常に低かった。
特定の最小コントラスト比値が見つからなかったが、これはADASアルゴリズムの複雑さによるものであった。
- 参考スコア（独自算出の注目度）: 0.2474908349649168
- License:
- Abstract: Road markings were reported as critical road safety features, equally needed for both human drivers and for machine vision technologies utilised by advanced driver assistance systems (ADAS) and in driving automation. Visibility of road markings is achieved because of their colour contrasting with the roadway surface. During recent testing of an open-source camera-based ADAS under several visibility conditions (day, night, rain, glare), significant failures in trajectory planning were recorded and quantified. Consistently, better ADAS reliability under poor visibility conditions was achieved with Type II road markings (i.e. structured markings, facilitating moisture drainage) as compared to Type I road marking (i.e. flat lines). To further understand these failures, analysis of contrast ratio of road markings, which the tested ADAS was detecting for traffic lane recognition, was performed. The highest contrast ratio (greater than 0.5, calculated per Michelson equation) was measured at night in the absence of confounding factors, with statistically significant difference of 0.1 in favour of Type II road markings over Type I. Under daylight conditions, contrast ratio was reduced, with slightly higher values measured with Type I. The presence of rain or wet roads caused the deterioration of the contrast ratio, with Type II road markings exhibiting significantly higher contrast ratio than Type I, even though the values were low (less than 0.1). These findings matched the output of the ADAS related to traffic lane detection and underlined the importance of road marking visibility. Inadequate lane recognition by ADAS was associated with very low contrast ratio of road markings indeed. Importantly, specific minimum contrast ratio value could not be found, which was due to the complexity of ADAS algorithms...
- Abstract（参考訳）: 道路標識は、人間のドライバーと高度な運転支援システム(ADAS)と運転自動化の両方で同様に必要とされる重要な道路安全機能として報告された。
道路標識の視認性は、道路面と対照的な色彩によって達成される。
最近、いくつかの可視性条件(昼、夜、雨、光沢)下でのオープンソースのカメラベースのADASの試験において、軌道計画の重大な失敗が記録され、定量化された。
また,低視認性条件下でのADASの信頼性向上は,I型道路マーキングに比べてII型道路マーキング(構造的マーキング,湿式排水を容易にする)により達成された。
これらの故障をより深く理解するために,ADASが交通路認識のために検出していた道路標識のコントラスト比の分析を行った。
日光条件下では, コントラスト比が減少し, コントラスト比がわずかに高くなるとともに, コントラスト比が低下し, コントラスト比が低下した。
雨や湿った道路の存在がコントラスト比の低下を招き, 値が0.1未満であったにもかかわらず, II型道路標識はI型よりも有意に高いコントラスト比を示した。
これらの結果は交通車線検出に関するADASの出力と一致し,道路標識の視認性の重要性を浮き彫りにした。
ADASによる不適切な車線認識は,道路標識のコントラスト比が非常に低かった。
重要なことに、ADASアルゴリズムの複雑さのため、特定の最小コントラスト比値が見つからなかった。
関連論文リスト
- Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。
本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。
カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
論文 参考訳（メタデータ） (2024-04-11T10:26:40Z) - Contrastive Learning for Lane Detection via cross-similarity [0.5249805590164902]
道路シーンのレーンマークは、その複雑な性質が好ましくない条件に影響を受けやすいため、課題となる。
実世界のシナリオにおいて、車線検出モデルのレジリエンスを高めるために、CLLD(cross-similarity)による車線検出のためのコントラスト学習を提案する。
論文 参考訳（メタデータ） (2023-08-16T09:16:05Z) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳（メタデータ） (2023-08-02T09:48:08Z) - DenseLight: Efficient Control for Large-scale Traffic Signals with Dense
Feedback [109.84667902348498]
交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。
従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。
DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
論文 参考訳（メタデータ） (2023-06-13T05:58:57Z) - OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。
OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。
様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
論文 参考訳（メタデータ） (2023-04-20T16:31:22Z) - Dynamic loss balancing and sequential enhancement for road-safety
assessment and traffic scene classification [0.0]
道路安全検査は、道路インフラに寄与する道路事故死者を減らすのに欠かせない手段である。
最近の研究は、道路安全属性としても知られる、慎重に選択されたリスク要因の観点から、道路安全評価を形式化している。
本稿では,2段階のニューラルネットワークによる認識を自動化することにより,退屈な人的労働への依存を減らすことを提案する。
論文 参考訳（メタデータ） (2022-11-08T11:10:07Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - Vision-Based Robust Lane Detection and Tracking under Different
Challenging Environmental Conditions [8.312192184427762]
レーンマーキング検出は、どちらも先進運転支援システムの基本である。
本稿では,3つの重要な技術を用いた頑健な車線検出・追跡手法を提案する。
実験の結果、平均検出率は97.55%であり、平均処理時間は22.33msec/frameであることがわかった。
論文 参考訳（メタデータ） (2022-10-19T01:25:21Z) - Comparison Analysis of Tree Based and Ensembled Regression Algorithms
for Traffic Accident Severity Prediction [2.956978593944786]
さまざまな機械学習モデルが事故予測に使用されている。
ランサムフォレストは、0.974の精度、0.954の精度、0.930のリコール、0.942のFスコアを持つ最高性能のモデルである。
論文 参考訳（メタデータ） (2020-10-27T11:52:39Z) - Enhancing road signs segmentation using photometric invariants [8.40756198992055]
自然界における道路標識の検出と認識は、インテリジェントトランスポートシステムの設計における最も重要なタスクの1つである。
本稿では,光度不変量に基づく道路標識セグメンテーションの効率的なap-proachを提案する。
論文 参考訳（メタデータ） (2020-10-26T18:59:06Z) - 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)
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。