論文の概要: Enhancing Pothole Detection and Characterization: Integrated Segmentation and Depth Estimation in Road Anomaly Systems
- arxiv url: http://arxiv.org/abs/2504.13648v1
- Date: Fri, 18 Apr 2025 11:59:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-28 15:51:04.652071
- Title: Enhancing Pothole Detection and Characterization: Integrated Segmentation and Depth Estimation in Road Anomaly Systems
- Title（参考訳）: ポトホール検出とキャラクタリゼーションの強化:道路異常システムにおける統合的セグメンテーションと深さ推定
- Authors: Uthman Baroudi, Alala BaHamid, Yasser Elalfy, Ziad Al Alami,
- Abstract要約: 道路異常検出は、道路維持とドライバーと車両の安全性向上において重要な役割を担っている。
道路異常検出のための最近の機械学習アプローチは、手動解析と異常カウントの面倒で時間を要するプロセスを克服している。
本稿では,予め訓練したYOLOv8-segモデルを用いて移動学習を行い,ポットホールの自動評価を行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Road anomaly detection plays a crucial role in road maintenance and in enhancing the safety of both drivers and vehicles. Recent machine learning approaches for road anomaly detection have overcome the tedious and time-consuming process of manual analysis and anomaly counting; however, they often fall short in providing a complete characterization of road potholes. In this paper, we leverage transfer learning by adopting a pre-trained YOLOv8-seg model for the automatic characterization of potholes using digital images captured from a dashboard-mounted camera. Our work includes the creation of a novel dataset, comprising both images and their corresponding depth maps, collected from diverse road environments in Al-Khobar city and the KFUPM campus in Saudi Arabia. Our approach performs pothole detection and segmentation to precisely localize potholes and calculate their area. Subsequently, the segmented image is merged with its depth map to extract detailed depth information about the potholes. This integration of segmentation and depth data offers a more comprehensive characterization compared to previous deep learning-based road anomaly detection systems. Overall, this method not only has the potential to significantly enhance autonomous vehicle navigation by improving the detection and characterization of road hazards but also assists road maintenance authorities in responding more effectively to road damage.
- Abstract（参考訳）: 道路異常検出は、道路維持とドライバーと車両の安全性向上において重要な役割を担っている。
道路異常検出のための最近の機械学習手法は,手動解析と異常カウントの面倒で時間を要するプロセスを克服している。
本稿では,ダッシュボード搭載カメラから撮影したデジタル画像を用いて,予め訓練したYOLOv8セグモデルを用いて,ポットホールの自動評価を行う。
本研究は,アラビアのアル・ホバル市とKFUPMキャンパスの様々な道路環境から収集した画像とそれに対応する深度マップを組み合わせた新しいデータセットの作成を含む。
提案手法では, ポットホールの検出とセグメンテーションを行い, ポットホールの正確な局所化と面積の算出を行う。
その後、セグメンテーションされた画像をその深度マップとマージして、ポットホールに関する詳細な深度情報を抽出する。
このセグメンテーションと深度データの統合は,従来のディープラーニングに基づく道路異常検出システムと比較して,より包括的な特徴付けを提供する。
本手法は,道路危険度の検出・評価を改善することにより,自動運転車のナビゲーションを大幅に向上するだけでなく,道路被害に対するより効果的な対応を道路整備当局に支援する。
関連論文リスト
- Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。
本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。
我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文 参考訳（メタデータ） (2024-10-10T10:10:03Z) - Enhancing Roadway Safety: LiDAR-based Tree Clearance Analysis [0.2877502288155167]
木やその他の植生は道路上に成長しており、交通標識や照明の視界を遮り、交通参加者に危険を及ぼす。
そこでLiDARの技術が活躍する。レーザースキャナーは3次元の視点を明らかにする。
街路で成長し、トリミングする必要がある木々のこれらの部分を自動的に検出する新しいポイントクラウドアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-02-28T13:08:46Z) - 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) - RoadScan: A Novel and Robust Transfer Learning Framework for Autonomous
Pothole Detection in Roads [0.0]
本研究では,ディープラーニングと画像処理技術を用いた新しいポットホール検出手法を提案する。
このシステムは、道路利用者に重大なリスクをもたらす道路上の穴の致命的な問題に対処することを目的としている。
論文 参考訳（メタデータ） (2023-08-07T10:47:08Z) - Deep Learning Approaches in Pavement Distress Identification: A Review [0.39373541926236766]
本稿では,舗装災害検出・分類のための画像処理技術と深層学習技術の最近の進歩を概観する。
これらのアルゴリズムがパターンを識別し、広範囲なデータセットに基づいて予測する能力は、舗装災害識別の領域に革命をもたらした。
高解像度画像をキャプチャすることで、UAVは深層学習アルゴリズムを用いて処理できる貴重なデータを提供し、様々な舗装の苦痛を効果的に検出し分類する。
論文 参考訳（メタデータ） (2023-08-01T20:30:11Z) - 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) - Perspective Aware Road Obstacle Detection [104.57322421897769]
道路障害物検出技術は,車間距離が大きくなるにつれて障害物の見かけの規模が減少するという事実を無視することを示す。
画像位置毎に仮想物体の見かけの大きさを符号化したスケールマップを演算することでこれを活用できる。
次に、この視点マップを利用して、遠近法に対応する大きさの道路合成物体に注入することで、トレーニングデータを生成する。
論文 参考訳（メタデータ） (2022-10-04T17:48:42Z) - Haul Road Mapping from GPS Traces [0.0]
本稿では,道路網の正確な表現を,現場で運用されているトラックから取得したGPSデータを用いて自動的に導き出す可能性について検討する。
全ての試験アルゴリズムで見られる欠点に基づいて, 地雷の現場に典型的な工芸品の道路地図を幾何学的に解析するポストプロセッシング・ステップが開発された。
論文 参考訳（メタデータ） (2022-06-27T04:35:06Z) - BoMuDANet: Unsupervised Adaptation for Visual Scene Understanding in
Unstructured Driving Environments [54.22535063244038]
非構造交通環境における視覚的シーン理解のための教師なし適応手法を提案する。
本手法は,車,トラック,二輪車,三輪車,歩行者からなる密集・異種交通を伴う非構造現実シナリオを対象としたものである。
論文 参考訳（メタデータ） (2020-09-22T08:25:44Z) - We Learn Better Road Pothole Detection: from Attention Aggregation to
Adversarial Domain Adaptation [22.076261078410752]
道路の穴検出結果は、個々の経験に完全に依存するため、常に主観的である。
最近導入された不均質(逆深度)変換アルゴリズムは、損傷された道路と損傷を受けていない道路の識別をより良くする。
本稿では,異なる種類のアテンションモジュールの利点を生かした新しいアテンションアグリゲーション(AA)フレームワークを提案する。
論文 参考訳（メタデータ） (2020-08-16T05:17:42Z) - 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。