論文の概要: Predicting Road Surface Anomalies by Visual Tracking of a Preceding Vehicle

• arxiv url: http://arxiv.org/abs/2505.04392v1
• Date: Wed, 07 May 2025 13:17:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 19:07:36.082979
• Title: Predicting Road Surface Anomalies by Visual Tracking of a Preceding Vehicle
• Title（参考訳）: 先行車両の視線追跡による路面異常予測
• Authors: Petr Jahoda, Jan Cech,
• Abstract要約: 先行車両の視覚的追跡により路面異常を検出する新しい手法を提案する。 この方法は万能で、穴、バンプ、破片など、あらゆる種類の道路異常を予測できる。
• 参考スコア（独自算出の注目度）: 1.757194730633422
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A novel approach to detect road surface anomalies by visual tracking of a preceding vehicle is proposed. The method is versatile, predicting any kind of road anomalies, such as potholes, bumps, debris, etc., unlike direct observation methods that rely on training visual detectors of those cases. The method operates in low visibility conditions or in dense traffic where the anomaly is occluded by a preceding vehicle. Anomalies are detected predictively, i.e., before a vehicle encounters them, which allows to pre-configure low-level vehicle systems (such as chassis) or to plan an avoidance maneuver in case of autonomous driving. A challenge is that the signal coming from camera-based tracking of a preceding vehicle may be weak and disturbed by camera ego motion due to vibrations affecting the ego vehicle. Therefore, we propose an efficient method to compensate camera pitch rotation by an iterative robust estimator. Our experiments on both controlled setup and normal traffic conditions show that road anomalies can be detected reliably at a distance even in challenging cases where the ego vehicle traverses imperfect road surfaces. The method is effective and performs in real time on standard consumer hardware.
• Abstract（参考訳）: 先行車両の視覚的追跡により路面異常を検出する新しい手法を提案する。 この方法は万能で、穴、バンプ、破片など、あらゆる種類の道路異常を予測できる。 本手法は、先行車両が異常を回避した低視認性条件または密集交通下で動作させる。 異常は予測的に検知され、例えば、車両が遭遇する前に、低レベルの車両システム(例えばシャシー)を事前に設定したり、自動運転の場合に回避策を計画したりすることができる。 課題は、先行車両のカメラベース追跡から発生する信号が、車体に影響を及ぼす振動により、カメラエゴの動きによって弱く邪魔される可能性があることである。 そこで本研究では,反復的ロバスト推定器を用いて,カメラピッチの回転を補正する効率的な手法を提案する。 本研究は,エゴ車両が不完全な路面を横切る場合であっても,道路異常を遠隔操作で確実に検出できることを示すものである。 本手法は,標準のコンシューマハードウェア上でリアルタイムに動作可能である。

関連論文リスト

• SmartRSD: An Intelligent Multimodal Approach to Real-Time Road Surface Detection for Safe Driving [4.22695582100076]
  本稿では,音声と画像を統合することで路面条件の自動検出を実現するためのマルチモーダル手法を提案する。 本研究は,道路安全の向上と事故リスクの最小化を目的とした聴覚と視覚の融合の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2024-06-14T15:38:21Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• Learning Representation for Anomaly Detection of Vehicle Trajectories [15.20257956793474]
  周囲の車両の将来の軌跡をその歴史に基づいて予測することは、自動運転における重要な課題である。 小型の摂動は、エゴの将来の軌道予測モジュールを著しく誤解させる可能性がある。 本稿では,車両軌道のオンライン異常検出のための,効率的かつ効率的な表現を学習するための2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-03-09T02:48:59Z)
• Non-Intrusive Driver Behavior Characterization From Road-Side Cameras [1.9659095632676098]
  本稿では,ITS システムの路面カメラのみを用いて車体挙動を特徴付ける概念の証明を示す。 また,外部映像分析に基づく運転者の分類は,車両のキャラクタリゼーションの精度の1～2%以内の精度が得られることを示した。
  論文  参考訳（メタデータ） (2023-02-25T17:22:49Z)
• 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)
• Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
  本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。 既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。 私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
  論文  参考訳（メタデータ） (2021-09-03T13:33:33Z)
• Self-Supervised Steering Angle Prediction for Vehicle Control Using Visual Odometry [55.11913183006984]
  視覚オドメトリー法を用いて推定したカメラポーズを用いて,車両の軌道制御をモデルに訓練する方法を示す。 車両の前方にカメラを設置することにより,複数の異なる走行経路からの軌跡情報を活用するスケーラブルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-20T16:29:01Z)
• Vehicle trajectory prediction in top-view image sequences based on deep learning method [1.181206257787103]
  周囲の車両の動きを推定し予測することは、自動車両と高度な安全システムにとって不可欠である。 道路の空中画像から得られた画像から学習した計算複雑性の低いモデルを提案する。 提案モデルでは, 対象車両とその周辺車両の移動履歴に関する画像を見るだけで, 自動車の将来の進路を予測できる。
  論文  参考訳（メタデータ） (2021-02-02T20:48:19Z)
• Can Autonomous Vehicles Identify, Recover From, and Adapt to Distribution Shifts? [104.04999499189402]
  トレーニング外の配布(OOD)シナリオは、デプロイ時にエージェントを学ぶ上で一般的な課題である。 インプロバスト模倣計画(RIP)と呼ばれる不確実性を考慮した計画手法を提案する。 提案手法は,OODシーンにおける過信および破滅的な外挿を低減し,分布変化を検知し,回復することができる。 分散シフトを伴うタスク群に対する駆動エージェントのロバスト性を評価するために,自動走行車ノベルシーンベンチマークであるtexttCARNOVEL を導入する。
  論文  参考訳（メタデータ） (2020-06-26T11:07:32Z)
• VTGNet: A Vision-based Trajectory Generation Network for Autonomous Vehicles in Urban Environments [26.558394047144006]
  模倣学習に基づく不確実性を考慮した終端軌道生成手法を開発した。 様々な気象条件や照明条件下では,ネットワークは異なる都市環境下で確実にトラジェクトリを生成することができる。 提案手法は,SOTA(State-of-the-art-to-end Control)よりもクロスシーン/プラットフォーム駆動性が向上する。
  論文  参考訳（メタデータ） (2020-04-27T06:17:55Z)
• 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。