論文の概要: Physics-Grounded Monocular Vehicle Distance Estimation Using Standardized License Plate Typography
- arxiv url: http://arxiv.org/abs/2604.12239v1
- Date: Tue, 14 Apr 2026 03:27:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.217087
- Title: Physics-Grounded Monocular Vehicle Distance Estimation Using Standardized License Plate Typography
- Title（参考訳）: 標準プレートタイポグラフィーを用いた物理界単眼車距離推定
- Authors: Manognya Lokesh Reddy, Zheng Liu,
- Abstract要約: 車両間距離推定は、高度運転支援システム(ADAS)と自律運転の基盤となっている。
単眼カメラに基づく推定は、低コストの代替手段を提供するが、基本的なスケールの曖昧さに悩まされている。
最近の単眼深度深度深度学習手法は目覚ましい結果を得るが、高価な教師付きトレーニングが必要であり、ドメインシフトに悩まされ、安全クリティカルなデプロイメントの認定が難しい予測を生成する。
本稿では,米国ナンバープレートの規格化されたタイポグラフィを,計量測位のためのパッシブ・フィデューシャル・マーカーとして活用する枠組みを提案する。
- 参考スコア（独自算出の注目度）: 4.601043621601829
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate inter-vehicle distance estimation is a cornerstone of Advanced Driver Assistance Systems (ADAS) and autonomous driving. While LiDAR and radar provide high precision, their high cost prohibits widespread adoption in mass-market vehicles. Monocular camera-based estimation offers a low-cost alternative but suffers from fundamental scale ambiguity. Recent deep learning methods for monocular depth achieve impressive results yet require expensive supervised training, suffer from domain shift, and produce predictions that are difficult to certify for safety-critical deployment. This paper presents a framework that exploits the standardized typography of United States license plates as passive fiducial markers for metric ranging, resolving scale ambiguity through explicit geometric priors without any training data or active illumination. First, a four-method parallel plate detector achieves robust plate reading across the full automotive lighting range. Second, a three-stage state identification engine fusing OCR text matching, multi-design color scoring, and a lightweight neural network classifier provides robust identification across all ambient conditions. Third, hybrid depth fusion with inverse-variance weighting and online scale alignment, combined with a one-dimensional constant-velocity Kalman filter, delivers smoothed distance, relative velocity, and time-to-collision for collision warning. Baseline validation reproduces a 2.3% coefficient of variation in character height measurements and a 36% reduction in distance-estimate variance compared with plate-width methods from prior work. Extensive outdoor experiments confirm a mean absolute error of 2.3% at 10 m and continuous distance output during brief plate occlusions, outperforming deep learning baselines by a factor of five in relative error.
- Abstract（参考訳）: 正確な車間距離推定は、Advanced Driver Assistance Systems (ADAS) と自律運転の基盤となる。
LiDARとレーダーは精度が高いが、その高価さは量産車の普及を妨げている。
単眼カメラに基づく推定は、低コストの代替手段を提供するが、基本的なスケールの曖昧さに悩まされている。
最近の単眼深度深度深度学習手法は目覚ましい結果を得るが、高価な教師付きトレーニングが必要であり、ドメインシフトに悩まされ、安全クリティカルなデプロイメントの認定が難しい予測を生成する。
本稿では,米国ナンバープレートの規格化されたタイポグラフィを,トレーニングデータや能動照明を使わずに,明示的な幾何学的先行点によるスケールのあいまいさを解消するためのパッシブ・フィデューシャルマーカーとして活用する枠組みを提案する。
第一に、四極平行プレート検出器は、フルオートマチック照明範囲にわたって頑健なプレート読取を実現する。
第二に、OCRテキストマッチングとマルチデザインカラースコアリングを融合した3段階の状態識別エンジン、および軽量ニューラルネットワーク分類器は、すべての環境条件に対して堅牢な識別を提供する。
第3に、逆分散重み付けとオンラインスケールアライメントによるハイブリッド深度融合と1次元の定速度カルマンフィルタを組み合わせることで、衝突警告のためのスムーズな距離、相対速度、時間対衝突を提供する。
ベースラインバリデーションは、文字の高さ測定における2.3%の変動係数を再現し、従来の板幅法と比較して、距離推定のばらつきを36%低減する。
大規模な屋外実験では、平均絶対誤差は10mで2.3%、短いプレート閉塞時の連続的な距離出力は5倍の差でディープラーニングベースラインを上回った。
関連論文リスト
- Object-Centric Stereo Ranging for Autonomous Driving: From Dense Disparity to Census-Based Template Matching [1.2691047660244335]
従来の高密度ステレオマッチング法はピクセルごとの不均一マップを生成するが、高い計算コスト、ステレオカメラ間のラジオメトリック差への感度、不均一値が小さい長距離での精度の低下に悩まされている。
本稿では,3つの相補的な深度推定手法を統合した総合ステレオ測位システムを提案する。
論文 参考訳（メタデータ） (2026-04-09T08:51:42Z) - Typography-Based Monocular Distance Estimation Framework for Vehicle Safety Systems [4.601043621601829]
本稿では,タイポグラフィに基づく単分子距離推定フレームワークを提案する。
これは、メートル法距離推定のためのパッシブ・フィデューシャル・マーカーとして、ナンバープレートの標準化されたタイポグラフィを利用する。
プレート幅法を総合的に比較すると,文字ベースの測度は推定値の標準偏差を35%減少させる。
論文 参考訳（メタデータ） (2026-03-24T04:18:19Z) - Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。
我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。
並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
論文 参考訳（メタデータ） (2025-08-28T07:09:21Z) - Lane-Wise Highway Anomaly Detection [8.086502588472783]
本稿では,車線道路交通異常検出のためのスケーラブルかつ解釈可能なフレームワークを提案する。
従来のセンサ依存の手法とは異なり、我々の手法はAIを利用した視覚モデルを用いて車線固有の特徴を抽出する。
我々のフレームワークは、精度、リコール、F1スコアにおいて最先端の手法より優れています。
論文 参考訳（メタデータ） (2025-05-05T12:32:23Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - Robust Self-Supervised LiDAR Odometry via Representative Structure
Discovery and 3D Inherent Error Modeling [67.75095378830694]
そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。
本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。
我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
論文 参考訳（メタデータ） (2022-02-27T12:52:27Z) - Holistic Grid Fusion Based Stop Line Estimation [5.5476621209686225]
交差点で前もって停止する場所を知ることは、車両の長手速度を制御する上で必須のパラメータである。
文献における既存の手法のほとんどは、カメラのみを使用して停止線を検出するが、通常は検出範囲の点で不十分である。
本稿では,ステレオカメラやライダーなどの融合多感データを入力として活用し,ニューラルネットワークアーキテクチャを慎重に設計し,停止線を検出する手法を提案する。
論文 参考訳（メタデータ） (2020-09-18T21:29:06Z) - Accurate Alignment Inspection System for Low-resolution Automotive and
Mobility LiDAR [125.41260574344933]
車両やロボットなどの移動システムにおいて,センサ装着後のLiDARアライメント誤差を正確に推定する検査システムを提案する。
提案手法は, 固定位置における1つのターゲットボードのみを用いて, 水平方向(回転, 傾き, ヨー)とLiDARアタッチメントの水平位置を, 水平方向の精度で推定する。
論文 参考訳（メタデータ） (2020-08-24T17:47:59Z) - LIBRE: The Multiple 3D LiDAR Dataset [54.25307983677663]
We present LIBRE: LiDAR Benchmarking and Reference, a first-of-in-kind dataset with 10 different LiDAR sensor。
LIBREは、現在利用可能なLiDARを公平に比較するための手段を提供するために、研究コミュニティに貢献する。
また、既存の自動運転車やロボティクス関連のソフトウェアの改善も促進する。
論文 参考訳（メタデータ） (2020-03-13T06:17:39Z) - 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。