論文の概要: Rectify and Align GPS Points to Parking Spots via Rank-1 Constraint

• arxiv url: http://arxiv.org/abs/2510.13439v1
• Date: Wed, 15 Oct 2025 11:36:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.649123
• Title: Rectify and Align GPS Points to Parking Spots via Rank-1 Constraint
• Title（参考訳）: ランク1制約による駐車スポットの特定とアライメントGPS
• Authors: Jiaxing Deng, Junbiao Pang, Zhicheng Wang, Haitao Yu,
• Abstract要約: 高層ビルは、駐車場の実際の場所からGPSポイントをドリフトさせる傾向がある。 監視されていないアプローチで大量の駐車場からいくつかの間違ったGPSポイントを補正するのは、簡単な作業ではない。 本稿では,GPS点における誤りを効果的に修正し,それらを統一された枠組みで駐車場に整列させる,教師なしの低ランク手法を提案する。
• 参考スコア（独自算出の注目度）: 7.9112014094183145
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Parking spots are essential components, providing vital mobile resources for residents in a city. Accurate Global Positioning System (GPS) points of parking spots are the core data for subsequent applications,e.g., parking management, parking policy, and urban development. However, high-rise buildings tend to cause GPS points to drift from the actual locations of parking spots; besides, the standard lower-cost GPS equipment itself has a certain location error. Therefore, it is a non-trivial task to correct a few wrong GPS points from a large number of parking spots in an unsupervised approach. In this paper, motivated by the physical constraints of parking spots (i.e., parking spots are parallel to the sides of roads), we propose an unsupervised low-rank method to effectively rectify errors in GPS points and further align them to the parking spots in a unified framework. The proposed unconventional rectification and alignment method is simple and yet effective for any type of GPS point errors. Extensive experiments demonstrate the superiority of the proposed method to solve a practical problem. The data set and the code are publicly accessible at:https://github.com/pangjunbiao/ITS-Parking-spots-Dataset.
• Abstract（参考訳）: 駐車場は重要な要素であり、市内の住民に重要な移動資源を提供している。 駐車場の正確なグローバル位置決めシステム(GPS)は、その後のアプリケーション(例えば、駐車管理、駐車ポリシー、都市開発など)のコアデータである。 しかし、高層建築物は、実際の駐車場所からGPSポイントをドリフトさせる傾向がある。 したがって、無監督のアプローチで多数の駐車場からいくつかの間違ったGPSポイントを補正するのは、簡単な作業ではない。 本稿では,駐車場の物理的制約(つまり駐車場は道路側と平行)を動機として,GPSポイントの誤りを効果的に修正し,さらに統一された枠組みで駐車場に整列させる,教師なしの低ランク手法を提案する。 提案手法は,GPS点誤りに対して単純かつ有効である。 大規模実験により,提案手法の実用的課題に対する優位性を実証した。 データセットとコードは、https://github.com/pangjunbiao/ITS-Parking-spots-Datasetで公開されている。

関連論文リスト

• Advancing Real-World Parking Slot Detection with Large-Scale Dataset and Semi-Supervised Baseline [65.25540269603553]
  本研究では,駐車環境を包括的に観察するサラウンドビューカメラを用いた駐車スロット検出に焦点を当てた。 まず,大規模駐車スロット検出データセット(CRPS-D)を構築した。 SS-PSDと呼ばれる駐車スロット検出のための半教師付きベースラインを開発し、ラベルのないデータを活用することにより、さらなる性能向上を図る。
  論文  参考訳（メタデータ） (2025-09-16T14:50:19Z)
• Deep Learning for On-Street Parking Violation Prediction [0.0]
  多くの大都市で直面している最も大きな問題は、利用可能な駐車場の不足とともに違法駐車である。 本稿では,道路駐車システムにおける細粒度駐車違反率を予測するために,Deep Learning (DL) モデルを用いる。 我々は,ギリシャのテッサロニキで収集された実データを用いて,開発システムによって正確な駐車違反予測が可能であることを実証した。
  論文  参考訳（メタデータ） (2025-05-11T03:02:26Z)
• Smart Camera Parking System With Auto Parking Spot Detection [1.0512475026060208]
  PakStaと呼ばれる新しい手法で駐車場の状態を自動識別する。 本手法はPakLocのオブジェクト検出器を用いて,ビデオフレーム内の駐車場の占有状況を同時に判定する。 提案手法がPKLotデータセットに与える影響は, 人的労働力の94.25%を大幅に削減する結果となった。
  論文  参考訳（メタデータ） (2024-07-07T19:00:11Z)
• Your Car Tells Me Where You Drove: A Novel Path Inference Attack via CAN Bus and OBD-II Data [57.22545280370174]
  On Path Diagnostic - Intrusion & Inference (OPD-II) は物理カーモデルとマップマッチングアルゴリズムを利用した新しい経路推論攻撃である。 我々は4台の異なる車両と41トラックの道路および交通シナリオに対する攻撃を実行した。
  論文  参考訳（メタデータ） (2024-06-30T04:21:46Z)
• Truck Parking Usage Prediction with Decomposed Graph Neural Networks [15.291200515217513]
  貨物回廊のトラックの駐車は、不十分な駐車場の大きな課題に直面している。 正確な駐車場利用予測を提供することは、安全でない駐車慣行を減らすためのコスト効率の高いソリューションであることが示されている。 本稿では、州全体での駐車場利用を予測するために、Reg-TCN(Reg-TCN)を提案する。
  論文  参考訳（メタデータ） (2024-01-23T17:14:01Z)
• SpatialRank: Urban Event Ranking with NDCG Optimization on Spatiotemporal Data [55.609946936979036]
  本研究ではSpatialRankという新しい空間イベントランキング手法を提案する。 本研究では,SpatialRankが犯罪や交通事故の最も危険性の高い場所を効果的に特定できることを示す。
  論文  参考訳（メタデータ） (2023-09-30T06:20:21Z)
• Automated Automotive Radar Calibration With Intelligent Vehicles [73.15674960230625]
  本稿では,自動車用レーダセンサの自動校正手法を提案する。 本手法では, 車両の外部改造を必要とせず, 自動走行車から得られる位置情報を利用する。 実地試験場からのデータを評価した結果,インフラセンサを自動で正確に校正できることが判明した。
  論文  参考訳（メタデータ） (2023-06-23T07:01:10Z)
• Vehicle Occurrence-based Parking Space Detection [5.084185653371259]
  本研究では、駐車場の画像列を受信し、検出された駐車場を識別する座標のリストを返す自動駐車空間検出方法を提案する。 PKLotとCNRPark-EXTの駐車場データから12の異なる部分集合を用いた結果、AP25のスコアは95.60%、AP50のスコアは79.90%に達した。
  論文  参考訳（メタデータ） (2023-06-16T16:22:45Z)
• ParkPredict: Motion and Intent Prediction of Vehicles in Parking Lots [65.33650222396078]
  我々は、駐車場環境を開発し、人間の駐車操作のデータセットを収集する。 本稿では,多モード長短期記憶(LSTM)予測モデルと畳み込みニューラルネットワークLSTM(CNN-LSTM)を物理ベースの拡張カルマンフィルタ(EKF)ベースラインと比較する。 以上の結果から,1) 意図をよく推定できる(LSTMとCNN-LSTMモデルによる約85% のトップ1精度と100% トップ3精度),2) 運転者の意図する駐車場所の知識が駐車軌跡の予測に大きく影響すること,3) 環境の意味的表現について考察した。
  論文  参考訳（メタデータ） (2020-04-21T20:46:32Z)

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。