論文の概要: Radar-Based NLoS Pedestrian Localization for Darting-Out Scenarios Near Parked Vehicles with Camera-Assisted Point Cloud Interpretation
- arxiv url: http://arxiv.org/abs/2508.04033v1
- Date: Wed, 06 Aug 2025 02:54:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-07 20:09:22.510758
- Title: Radar-Based NLoS Pedestrian Localization for Darting-Out Scenarios Near Parked Vehicles with Camera-Assisted Point Cloud Interpretation
- Title（参考訳）: カメラ支援点雲解釈による駐車車両近傍のダートアウトシナリオに対するレーダーによるNLoS歩行者位置推定
- Authors: Hee-Yeun Kim, Byeonggyu Park, Byonghyok Choi, Hansang Cho, Byungkwan Kim, Soomok Lee, Mingu Jeon, Seung-Woo Seo, Seong-Woo Kim,
- Abstract要約: 道路沿いの駐車場から生じる視界のない盲点は、道路安全にとって大きな課題である。
mmWave技術は回折と反射を利用してNLoS領域を観測する。
単眼カメラ画像と2Dレーダポイントクラウドデータを統合するNLoS歩行者位置決めフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 14.486658289318408
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The presence of Non-Line-of-Sight (NLoS) blind spots resulting from roadside parking in urban environments poses a significant challenge to road safety, particularly due to the sudden emergence of pedestrians. mmWave technology leverages diffraction and reflection to observe NLoS regions, and recent studies have demonstrated its potential for detecting obscured objects. However, existing approaches predominantly rely on predefined spatial information or assume simple wall reflections, thereby limiting their generalizability and practical applicability. A particular challenge arises in scenarios where pedestrians suddenly appear from between parked vehicles, as these parked vehicles act as temporary spatial obstructions. Furthermore, since parked vehicles are dynamic and may relocate over time, spatial information obtained from satellite maps or other predefined sources may not accurately reflect real-time road conditions, leading to erroneous sensor interpretations. To address this limitation, we propose an NLoS pedestrian localization framework that integrates monocular camera image with 2D radar point cloud (PCD) data. The proposed method initially detects parked vehicles through image segmentation, estimates depth to infer approximate spatial characteristics, and subsequently refines this information using 2D radar PCD to achieve precise spatial inference. Experimental evaluations conducted in real-world urban road environments demonstrate that the proposed approach enhances early pedestrian detection and contributes to improved road safety. Supplementary materials are available at https://hiyeun.github.io/NLoS/.
- Abstract（参考訳）: 都市環境における道路沿いの駐車によるNon-Line-of-Sight(NLoS)の盲点の存在は、特に歩行者の突然の出現により、道路安全にとって大きな課題となっている。
mmWave技術は回折と反射を利用してNLoS領域を観測し、近年の研究ではその可能性を実証している。
しかし、既存のアプローチは、主に事前に定義された空間情報に依存するか、単純な壁反射を仮定することで、一般化可能性と実用性を制限する。
歩行者が駐車中の車の間に突然現れるシナリオでは、駐車中の車両が一時的な空間的障害物として機能するため、特に課題が生じる。
さらに、駐車した車両は動的であり、時間とともに移動することができるため、衛星地図やその他の事前定義された情報源から得られる空間情報は、リアルタイムの道路条件を正確に反映していないため、誤検知が生じる可能性がある。
この制限に対処するために,モノクロカメラ画像と2Dレーダポイントクラウド(PCD)データを統合するNLoS歩行者位置決めフレームワークを提案する。
提案手法は,まず画像分割により駐車車両を検出し,空間特性を近似的に推定する深度を推定し,次いで2次元レーダPCDを用いて精密な空間推定を行う。
実際の都市道路環境における実験により,提案手法は早期の歩行者検出を促進し,道路安全の向上に寄与することが示された。
追加資料はhttps://hiyeun.github.io/NLoS/で入手できる。
関連論文リスト
- mmWave Radar-Based Non-Line-of-Sight Pedestrian Localization at T-Junctions Utilizing Road Layout Extraction via Camera [7.275075845472008]
我々は,NLoS歩行者の局所化のために,カメラから推定される道路レイアウトを通してレーダPCDを解釈する新しい枠組みを提案する。
提案手法の有効性を実車に搭載したレーダカメラシステムを用いて実験により検証した。
論文 参考訳（メタデータ） (2025-08-04T12:31:11Z) - 2.5D Object Detection for Intelligent Roadside Infrastructure [37.07785188366053]
インフラ路面カメラのための2.5Dオブジェクト検出フレームワークを提案する。
画像フレーム内の平行図として車両の地上面を検出するための予測手法を用いる。
以上の結果から, 高い検出精度, 強い対面一般化, 各種照明および気象条件に対する堅牢性が確認された。
論文 参考訳（メタデータ） (2025-07-04T13:16:59Z) - Predicting Road Surface Anomalies by Visual Tracking of a Preceding Vehicle [1.757194730633422]
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。
論文 参考訳（メタデータ） (2025-05-07T13:17:05Z) - 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) - 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) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳（メタデータ） (2023-10-08T21:32:30Z) - 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) - Smart Parking Space Detection under Hazy conditions using Convolutional
Neural Networks: A Novel Approach [0.0]
本稿では, 空き環境下での駐車スペース占有性能を向上させるデハジングネットワークの利用について検討する。
提案システムは既存のスマートパーキングシステムの一部として展開可能で、数百台のパーキングスペースを監視するために、限られた数のカメラが使用されている。
論文 参考訳（メタデータ） (2022-01-15T14:15:46Z) - 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) - R4Dyn: Exploring Radar for Self-Supervised Monocular Depth Estimation of
Dynamic Scenes [69.6715406227469]
駆動シナリオにおける自己教師付き単眼深度推定は、教師付きアプローチに匹敵する性能を達成した。
本稿では,自己監督型深度推定フレームワーク上に費用効率の高いレーダデータを利用する新しい手法であるR4Dynを提案する。
論文 参考訳（メタデータ） (2021-08-10T17:57:03Z) - Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。
歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。
2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文 参考訳（メタデータ） (2021-01-07T06:08:21Z)
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。