論文の概要: Physical spline for denoising object trajectory data by combining splines, ML feature regression and model knowledge

• arxiv url: http://arxiv.org/abs/2504.06404v1
• Date: Tue, 08 Apr 2025 19:53:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-10 16:14:49.061628
• Title: Physical spline for denoising object trajectory data by combining splines, ML feature regression and model knowledge
• Title（参考訳）: スプライン, ML特徴回帰, モデル知識を組み合わせた物体軌跡データ記述のための物理スプライン
• Authors: Jonas Torzewski,
• Abstract要約: 本稿では,騒音測定データから動的駆動状態(位置,速度,加速度,方向)を推定する方法を提案する。 提案手法は完全な観測と部分的な観測の両方に有効である。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This article presents a method for estimating the dynamic driving states (position, velocity, acceleration and heading) from noisy measurement data. The proposed approach is effective with both complete and partial observations, producing refined trajectory signals with kinematic consistency, ensuring that velocity is the integral of acceleration and position is the integral of velocity. Additionally, the method accounts for the constraint that vehicles can only move in the direction of their orientation. The method is implemented as a configurable python library that also enables trajectory estimation solely based on position data. Regularization is applied to prevent extreme state variations. A key application is enhancing recorded trajectory data for use as reference inputs in machine learning models. At the end, the article presents the results of the method along with a comparison to ground truth data.
• Abstract（参考訳）: 本稿では,騒音測定データから動的駆動状態(位置,速度,加速度,方向)を推定する方法を提案する。 提案手法は、完全な観測と部分的な観測の両方で有効であり、速度が加速の積分であり、位置が速度の積分であることを保証し、キネマティック整合性を持つ洗練された軌道信号を生成する。 さらに、この手法は車両が向きの方向にしか動くことができないという制約を考慮に入れている。 本手法は位置データのみに基づいて軌道推定が可能な構成可能なピソンライブラリとして実装されている。 極端な状態変化を防止するために規則化が適用される。 キーとなる応用は、機械学習モデルにおける参照入力として使われる記録された軌跡データを強化することである。 最後に,本手法の結果と地上真実データとの比較について述べる。

関連論文リスト

• Event-Based Tracking Any Point with Motion-Augmented Temporal Consistency [58.719310295870024]
  本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。 出来事の空間的空間性や動きの感度によって引き起こされる課題に対処する。 競合モデルパラメータによる処理を150%高速化する。
  論文  参考訳（メタデータ） (2024-12-02T09:13:29Z)
• Event-Aided Time-to-Collision Estimation for Autonomous Driving [28.13397992839372]
  ニューロモルフィックなイベントベースカメラを用いて衝突時刻を推定する新しい手法を提案する。 提案アルゴリズムは, 事象データに適合する幾何モデルに対して, 効率的かつ高精度な2段階のアプローチで構成する。 合成データと実データの両方の実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-07-10T02:37:36Z)
• Pre-training on Synthetic Driving Data for Trajectory Prediction [61.520225216107306]
  軌道予測におけるデータ不足の問題を緩和するパイプラインレベルのソリューションを提案する。 我々は、駆動データを生成するためにHDマップ拡張とトラジェクトリ合成を採用し、それらを事前学習することで表現を学習する。 我々は、データ拡張と事前学習戦略の有効性を実証するための広範な実験を行う。
  論文  参考訳（メタデータ） (2023-09-18T19:49:22Z)
• Particle-Based Score Estimation for State Space Model Learning in Autonomous Driving [62.053071723903834]
  マルチオブジェクト状態推定はロボットアプリケーションの基本的な問題である。 粒子法を用いて最大形パラメータを学習することを検討する。 自動運転車から収集した実データに本手法を適用した。
  論文  参考訳（メタデータ） (2022-12-14T01:21:05Z)
• StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
  将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。 本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。 本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
  論文  参考訳（メタデータ） (2022-07-21T12:03:02Z)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• Real Time Monocular Vehicle Velocity Estimation using Synthetic Data [78.85123603488664]
  移動車に搭載されたカメラから車両の速度を推定する問題を考察する。 そこで本研究では,まずオフ・ザ・シェルフ・トラッカーを用いて車両バウンディングボックスを抽出し,その後,小型ニューラルネットワークを用いて車両速度を回帰する2段階のアプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-16T13:10:27Z)
• Low-Rank Hankel Tensor Completion for Traffic Speed Estimation [7.346671461427793]
  交通状態推定問題に対する純粋にデータ駆動型かつモデルフリーなソリューションを提案する。 このテンソル構造に低ランクな仮定を課すことで、大域的パターンと未知の複素局所力学の両方を近似することができる。 本研究では,合成シミュレーションデータと実世界の高分解能データの両方について数値実験を行い,提案モデルの有効性と優位性を実証した。
  論文  参考訳（メタデータ） (2021-05-21T00:08:06Z)
• Random Matrix Based Extended Target Tracking with Orientation: A New Model and Inference [0.0]
  本稿では,動的物体の範囲を時間方向の楕円体として表現できる新しい対象追跡アルゴリズムを提案する。 対角正半定行列は、ランダム行列フレームワーク内のオブジェクトの範囲をモデル化するために定義される。 共役性がないため、真の後部の閉形式解析式を見つけることは不可能である。
  論文  参考訳（メタデータ） (2020-10-17T16:33:06Z)
• Variational Inference with Parameter Learning Applied to Vehicle Trajectory Estimation [20.41604350878599]
  雑音測定のみを用いたガウス変分推論におけるパラメータ学習について述べる。 我々はライダーを用いた自動車による36kmのデータセットを用いて高精細マップに対するローカライズを行う手法を実証した。
  論文  参考訳（メタデータ） (2020-03-21T19:48:07Z)

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。