論文の概要: Single-Eye View: Monocular Real-time Perception Package for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2603.21061v1
• Date: Sun, 22 Mar 2026 05:04:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.215801
• Title: Single-Eye View: Monocular Real-time Perception Package for Autonomous Driving
• Title（参考訳）: 単眼ビュー:自律運転のための単眼リアルタイム知覚パッケージ
• Authors: Haixi Zhang, Aiyinsi Zuo, Zirui Li, Chunshu Wu, Tong Geng, Zhiyao Duan,
• Abstract要約: 本稿では,自律走行のためのリアルタイム単眼知覚パッケージであるLRHPerceptionを紹介する。 提案システムは,エンド・ツー・エンド・ラーニングの計算効率と局所マッピング手法の表現の充実を両立させる。
• 参考スコア（独自算出の注目度）: 25.607644426606118
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Amidst the rapid advancement of camera-based autonomous driving technology, effectiveness is often prioritized with limited attention to computational efficiency. To address this issue, this paper introduces LRHPerception, a real-time monocular perception package for autonomous driving that uses single-view camera video to interpret the surrounding environment. The proposed system combines the computational efficiency of end-to-end learning with the rich representational detail of local mapping methodologies. With significant improvements in object tracking and prediction, road segmentation, and depth estimation integrated into a unified framework, LRHPerception processes monocular image data into a five-channel tensor consisting of RGB, road segmentation, and pixel-level depth estimation, augmented with object detection and trajectory prediction. Experimental results demonstrate strong performance, achieving real-time processing at 29 FPS on a single GPU, representing a 555% speedup over the fastest mapping-based approach.
• Abstract（参考訳）: カメラベースの自動運転技術の急速な進歩の中で、効率性は計算効率に限定して優先されることが多い。 この問題に対処するために,一視点カメラ映像を用いた自律走行用リアルタイム単眼知覚パッケージであるLRHPerceptionを導入する。 提案システムは,エンド・ツー・エンド・ラーニングの計算効率と局所マッピング手法の表現の充実を両立させる。 オブジェクト追跡と予測、道路分割、深度推定を統一されたフレームワークに統合したLRHPerceptionは、単眼画像データをRGB、道路分割、ピクセルレベルの深度推定からなる5チャンネルテンソルに処理し、オブジェクト検出と軌跡予測を付加する。 実験結果は高いパフォーマンスを示し、1つのGPU上で29FPSのリアルタイム処理を実現し、最速のマッピングベースのアプローチよりも555%のスピードアップを達成した。

関連論文リスト

• Fast-COS: A Fast One-Stage Object Detector Based on Reparameterized Attention Vision Transformer for Autonomous Driving [3.617580194719686]
  本稿では、シーンを駆動するための新しい単一ステージオブジェクト検出フレームワークであるFast-COSを紹介する。 RAViTはImageNet-1Kデータセットで81.4%のTop-1精度を達成した。 主要なモデルの効率を上回り、最大75.9%のGPU推論速度とエッジデバイスでの1.38のスループットを提供する。
  論文  参考訳（メタデータ） (2025-02-11T09:54:09Z)
• ESVO2: Direct Visual-Inertial Odometry with Stereo Event Cameras [41.992980062962495]
  イベントベースビジュアル・オドメトリーは、追跡とサブプロブレムのマッピング(典型的には並列)を解決することを目的としている 直接パイプライン上に,イベントベースのステレオビジュアル慣性オドメトリーシステムを構築した。 結果として得られるシステムは、現代の高解像度のイベントカメラでうまくスケールする。
  論文  参考訳（メタデータ） (2024-10-12T05:35:27Z)
• Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
  本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。 我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
  論文  参考訳（メタデータ） (2022-11-15T13:52:41Z)
• Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
  本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。 すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
  論文  参考訳（メタデータ） (2022-11-02T11:10:42Z)
• Cross-Camera Trajectories Help Person Retrieval in a Camera Network [124.65912458467643]
  既存の手法では、純粋な視覚的マッチングや時間的制約を考慮することが多いが、カメラネットワークの空間情報は無視する。 本稿では,時間的情報と空間的情報を統合したクロスカメラ生成に基づく歩行者検索フレームワークを提案する。 本手法の有効性を検証するため,最初のカメラ横断歩行者軌跡データセットを構築した。
  論文  参考訳（メタデータ） (2022-04-27T13:10:48Z)
• SurroundDepth: Entangling Surrounding Views for Self-Supervised Multi-Camera Depth Estimation [101.55622133406446]
  本研究では,複数の周囲からの情報を組み込んだSurroundDepth法を提案し,カメラ間の深度マップの予測を行う。 具体的には、周囲のすべてのビューを処理し、複数のビューから情報を効果的に融合するクロスビュー変換器を提案する。 実験において,本手法は,挑戦的なマルチカメラ深度推定データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-04-07T17:58:47Z)
• 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)
• End-to-end Learning for Inter-Vehicle Distance and Relative Velocity Estimation in ADAS with a Monocular Camera [81.66569124029313]
  本稿では,ディープニューラルネットワークのエンドツーエンドトレーニングに基づくカメラによる車間距離と相対速度推定手法を提案する。 提案手法の重要な特徴は,2つの時間的単眼フレームによって提供される複数の視覚的手がかりの統合である。 また,移動場における視線歪みの影響を緩和する車両中心サンプリング機構を提案する。
  論文  参考訳（メタデータ） (2020-06-07T08:18:31Z)

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。