論文の概要: Computer Vision-Based Vehicle Allotment System using Perspective Mapping
- arxiv url: http://arxiv.org/abs/2603.08827v1
- Date: Mon, 09 Mar 2026 18:37:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-11 15:25:23.759275
- Title: Computer Vision-Based Vehicle Allotment System using Perspective Mapping
- Title（参考訳）: パースペクティブマッピングを用いたコンピュータビジョンに基づく車両配車システム
- Authors: Prachi Nandi, Sonakshi Satapathy, Suchismita Chinara,
- Abstract要約: 本研究は,コンピュータビジョンとYOLOv8のような物体検出モデルを利用した,費用対効果の高い,実装が容易なスマートパーキングシステムを提案する。
このシステムは3D駐車環境をシミュレートし、3Dプロットで利用者を誘導する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Smart city research envisions a future in which data-driven solutions and sustainable infrastructure work together to define urban living at the crossroads of urbanization and technology. Within this framework, smart parking systems play an important role in reducing urban congestion and supporting sustainable transportation. Automating parking solutions have considerable benefits, such as increased efficiency and less reliance on human involvement, but obstacles such as sensor limitations and integration complications remain. To overcome them, a more sophisticated car allotment system is required, particularly in heavily populated urban areas. Computer vision, with its higher accuracy and adaptability, outperforms traditional sensor-based systems for recognizing vehicles and vacant parking spaces. Unlike fixed sensor technologies, computer vision can dynamically assess a wide range of visual inputs while adjusting to changing parking layouts. This research presents a cost-effective, easy-to-implement smart parking system utilizing computer vision and object detection models like YOLOv8. Using inverse perspective mapping (IPM) to merge images from four camera views, we extract data on vacant spaces. The system simulates a 3D parking environment, representing available spots with a 3D Cartesian plot to guide users.
- Abstract（参考訳）: スマートシティ研究は、データ駆動型ソリューションと持続可能なインフラが連携して、都市化と技術の交差点で都市生活を定義する未来を構想している。
この枠組みの中では、スマートパーキングシステムは都市の混雑を減らし、持続可能な輸送を支援する上で重要な役割を担っている。
駐車ソリューションの自動化には、効率の向上や人間の関与への依存の低減など、かなりのメリットがあるが、センサーの制限や統合の複雑さといった障害は依然として残っている。
これらを克服するためには、特に人口の多い都市部において、より洗練された自動車配車システムが必要である。
コンピュータービジョンは精度と適応性が高く、車両や空き駐車スペースを認識するために従来のセンサーベースのシステムより優れている。
固定センサー技術とは異なり、コンピュータビジョンは駐車レイアウトの変更に合わせて、幅広い視覚入力を動的に評価することができる。
本研究は,コンピュータビジョンとYOLOv8のような物体検出モデルを利用した,費用対効果の高い,実装が容易なスマートパーキングシステムを提案する。
逆視点マッピング(IPM)を用いて、4つのカメラビューからの画像をマージし、空き空間のデータを抽出する。
このシステムは3D駐車環境をシミュレートし、3Dカルテシアンのプロットを使って利用者を誘導する。
関連論文リスト
- Spot-Wise Smart Parking: An Edge-Enabled Architecture with YOLOv11 and Digital Twin Integration [3.017960851480137]
スマートパーキングシステムは、混雑を減らし、ユーザの検索時間を最小化し、スマートシティの採用と都市移動性の向上に寄与する。
本研究では,大学構内における車両数から空きスペース数を推定し,駐車場の可利用性を監視するシステムを提案する。
本研究では,空間許容度を考慮した距離認識マッチング法に基づくスポットワイドな監視手法によりシステムを拡張し,アダプティブバウンディングボックス分割法により拡張した。
提案手法は,リソース制約エッジデバイス上での推測時間8秒を維持しつつ,98.80%のバランス精度を実現し,YOLOの能力を向上させる。
論文 参考訳（メタデータ） (2026-02-02T07:39:37Z) - Towards Intelligent Transportation with Pedestrians and Vehicles In-the-Loop: A Surveillance Video-Assisted Federated Digital Twin Framework [62.47416496137193]
本稿では,歩行者や車いすによるITSを支援するための監視ビデオ支援型デジタルツイン(SV-FDT)フレームワークを提案する。
i)複数のソースからトラフィック監視ビデオを収集するエンドレイヤ、(ii)セマンティックセグメンテーションに基づく視覚理解、ツインエージェントベースのインタラクションモデリング、およびローカルデジタルツインシステム(LDTS)をローカルで作成するエッジレイヤ、(iii)異なるリージョンにわたるLDTSを統合してグローバルDTモデルをリアルタイムで構築するクラウドレイヤの3層で構成されている。
論文 参考訳（メタデータ） (2025-03-06T07:36:06Z) - GARLIC: GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [81.82487256783674]
GARLIC: GPT拡張強化学習のフレームワーク。
本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
論文 参考訳（メタデータ） (2024-08-19T08:23:38Z) - Haris: an Advanced Autonomous Mobile Robot for Smart Parking Assistance [2.3779780917500544]
このシステムは、自動ナビゲーションと駐車場の正確なマッピングのために、同時位置決めとマッピング(SLAM)を採用している。
提案システムは,スポーツスタジアム等の混雑地において,短期的な大規模屋外駐車場の管理を改善する可能性を秘めている。
論文 参考訳（メタデータ） (2024-01-31T11:00:26Z) - Floor extraction and door detection for visually impaired guidance [78.94595951597344]
未知の環境で障害物のない経路を見つけることは、視覚障害者や自律ロボットにとって大きなナビゲーション問題である。
コンピュータビジョンシステムに基づく新しいデバイスは、障害のある人が安全な環境で未知の環境でナビゲートすることの難しさを克服するのに役立つ。
本研究では,視覚障害者のためのナビゲーションシステムの構築につながるセンサとアルゴリズムの組み合わせを提案する。
論文 参考訳（メタデータ） (2024-01-30T14:38:43Z) - 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) - HUM3DIL: Semi-supervised Multi-modal 3D Human Pose Estimation for
Autonomous Driving [95.42203932627102]
3Dの人間のポーズ推定は、自動運転車が歩行者の微妙で複雑な振る舞いを知覚し理解できるようにする新しい技術である。
提案手法は,これらの補完信号を半教師付き方式で効率的に利用し,既存の手法よりも大きなマージンで性能を向上する。
具体的には、LiDAR点を画素整列マルチモーダル特徴に埋め込み、トランスフォーマーの精細化段階を経る。
論文 参考訳（メタデータ） (2022-12-15T11:15:14Z) - 3D Scene Understanding at Urban Intersection using Stereo Vision and
Digital Map [4.640144833676576]
都市交差点における交通状況の空間的・時間的解析にステレオビジョンと3次元ディジタルマップを用いた手法を提案する。
東京都の都市キャニオンで収集した実交通データに対して,提案手法を質的,定量的に評価し,システムの有効性を実証した。
論文 参考訳（メタデータ） (2021-12-10T02:05:15Z) - VISTA 2.0: An Open, Data-driven Simulator for Multimodal Sensing and
Policy Learning for Autonomous Vehicles [131.2240621036954]
VISTAはオープンソースのデータ駆動シミュレータで、複数のタイプのセンサーを自律走行車に組み込む。
高忠実で実世界のデータセットを使用して、VISTAはRGBカメラ、3D LiDAR、イベントベースのカメラを表現し、シミュレートする。
センサタイプ毎に知覚制御ポリシーをトレーニングし,テストする能力を示し,フルスケールの自律走行車への展開を通じて,このアプローチのパワーを示す。
論文 参考訳（メタデータ） (2021-11-23T18:58:10Z) - Computer vision in automated parking systems: Design, implementation and
challenges [0.24704967483128953]
本稿では,コンピュータビジョンアルゴリズムの観点から,自動駐車システムの設計と実装について議論する。
パーキングユースケースを実現するキービジョンモジュールは、3D再構築、パーキングスロットマーキング認識、空きスペース、車両/歩行者検出です。
論文 参考訳（メタデータ） (2021-04-26T13:18:02Z) - Unsupervised Vehicle Counting via Multiple Camera Domain Adaptation [9.730985797769764]
市民の生活の質と都市環境を改善するためには, 都市内の車両流のモニタリングが不可欠である。
画像のヒンジを大量の注釈付きデータにカウントする現在の技術は、新しいカメラがシステムに追加されるにつれて、都市規模へのスケーラビリティを損なう。
我々は,複数のカメラ領域を適応させてラベル付きデータが少ない画像に基づく車両密度推定器を設計するための新しい手法を提案し,議論する。
論文 参考訳（メタデータ） (2020-04-20T13:00:46Z)
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。