論文の概要: Mobile Traffic Camera Calibration from Road Geometry for UAV-Based Traffic Surveillance

• arxiv url: http://arxiv.org/abs/2605.11900v1
• Date: Tue, 12 May 2026 10:14:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.789032
• Title: Mobile Traffic Camera Calibration from Road Geometry for UAV-Based Traffic Surveillance
• Title（参考訳）: UAVによる交通監視のための道路形状からの移動式交通カメラの校正
• Authors: Alexey Popov, Natalia Trukhina, Vadim Vashkelis,
• Abstract要約: 視線画像座標で車両の動きが観察されるため、交通分析にUAVビデオを使用するのは困難である。 本稿では,単眼のUAVトラヒック映像を局所的な視線表示に変換するための軽量パイプラインを提案する。
• 参考スコア（独自算出の注目度）: 0.1019561860229868
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unmanned aerial vehicles (UAVs) can provide flexible traffic surveillance where fixed roadside cameras are unavailable, costly, or impractical. However, raw UAV video is difficult to use for traffic analytics because vehicle motion is observed in perspective image coordinates rather than in a stable metric road coordinate system. This paper presents a lightweight pipeline for converting monocular oblique UAV traffic video into a local metric bird's-eye-view (BEV) representation. Visible road geometry, including lane markings, road borders, and crosswalks, is used to estimate a road-plane homography from image coordinates to metric ground-plane coordinates. Vehicle observations from dataset annotations or detectors are then projected to BEV using estimated ground contact points. The resulting trajectories support estimation of vehicle direction, speed, heading, and dynamic 3D cuboids on the road plane. We evaluate the pipeline on UAVDT using ground-truth annotations to isolate calibration and geometric reconstruction from detector and tracker errors. For sequence M1401, 40 sampled frames from img000001-img000196 produce 632 metric cuboid instances across 23 tracks. Results show that road-geometry calibration can transform monocular UAV footage into interpretable traffic-camera-style analytics, including BEV tracks and synchronized 3D cuboid visualizations. They also reveal key limitations: far-field vehicles are sensitive to homography errors, manual validation is currently more reliable than fully automatic calibration, and the single-plane assumption limits performance in non-planar or ambiguous road regions. The proposed pipeline provides a practical foundation for deployable UAV traffic cameras and future real-time traffic digital-twin systems.
• Abstract（参考訳）: 無人航空機(UAV)は、固定された路面カメラが利用できない、コストがかかる、あるいは実用的でない場合に、柔軟な交通監視を提供する。 しかし,安定した距離座標系ではなく,視線画像座標系で車両の動きが観察されるため,交通分析には生のUAVビデオを使用するのが困難である。 本稿では,単眼の斜めUAVトラヒック映像を局所的計量鳥眼ビュー(BEV)表現に変換するための軽量パイプラインを提案する。 レーンマーキング、道路境界、横断歩道を含む可視的道路形状は、画像座標から測地平面座標まで道路平面のホモグラフィーを推定するために用いられる。 データセットのアノテーションや検出器からの車両の観測は、推定された接点を用いてBEVに投影される。 得られた軌道は、路面上の車両の方向、速度、方向、動的3次元立方体の推定を支援する。 我々は,UAVDT上のパイプラインを地中構造アノテーションを用いて評価し,検出器とトラッカーの誤差からキャリブレーションと幾何的再構成を分離した。 シーケンスM1401では、img000001-img000196から40個のサンプルフレームが23トラックで632個の立方体インスタンスを生成する。 その結果,道路形状のキャリブレーションにより,単眼のUAV映像をBEVトラックや3D立方体可視化など,解釈可能な交通カメラ型分析に変換できることがわかった。 遠距離車両はホモグラフィーの誤差に敏感であり、手動検証は完全な自動校正よりも信頼性が高く、単面仮定では非平面道路やあいまい道路地域での性能が制限されている。 提案するパイプラインは、UAVトラフィックカメラのデプロイと将来のリアルタイムトラフィックデジタル双対システムのための実用的な基盤を提供する。

関連論文リスト

• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• The Swarm Intelligence Freeway-Urban Trajectories (SWIFTraj) Dataset - Part II: A Graph-Based Approach for Trajectory Connection [19.272192892376328]
  本稿では,UAVスワムによって捕捉された車両軌跡を連結するグラフに基づく新しい手法を提案する。 フレキシブルなUAVレイアウトを表すために、非指向グラフを構築し、最適な時間オフセットを推定する自動時間アライメント法を開発した。 実世界の実験の結果、時間アライメント誤差は3フレーム以内であり、約0.1秒であることがわかった。
  論文  参考訳（メタデータ） (2026-02-25T14:35:24Z)
• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• Application of 2D Homography for High Resolution Traffic Data Collection using CCTV Cameras [9.946460710450319]
  本研究では,CCTVカメラから高精細なトラフィックデータを抽出するための3段階のビデオ分析フレームワークを実装した。 このフレームワークの主要な構成要素は、オブジェクト認識、視点変換、車両軌道再構成である。 その結果, カメラ推定値間の速度偏差は10%以下で, 方向トラフィック数では+/-4.5%の誤差率を示した。
  論文  参考訳（メタデータ） (2024-01-14T07:33:14Z)
• 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)
• Street-View Image Generation from a Bird's-Eye View Layout [95.36869800896335]
  近年,Bird's-Eye View (BEV) の知覚が注目されている。 自動運転のためのデータ駆動シミュレーションは、最近の研究の焦点となっている。 本稿では,現実的かつ空間的に一貫した周辺画像を合成する条件生成モデルであるBEVGenを提案する。
  論文  参考訳（メタデータ） (2023-01-11T18:39:34Z)
• 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)
• Weakly Supervised Training of Monocular 3D Object Detectors Using Wide Baseline Multi-view Traffic Camera Data [19.63193201107591]
  交差点における車両の7DoF予測は,道路利用者間の潜在的な衝突を評価する上で重要な課題である。 交通監視カメラ用3次元物体検出装置の微調整を弱教師付きで行う手法を開発した。 提案手法は,自動運転車のデータセット上で最上位のモノクル3Dオブジェクト検出器と同等の精度で車両の7DoFの予測精度を推定する。
  論文  参考訳（メタデータ） (2021-10-21T08:26:48Z)
• Monocular 3D Vehicle Detection Using Uncalibrated Traffic Cameras through Homography [12.062095895630563]
  本稿では,1台の交通カメラから3次元世界における車両の位置とポーズを抽出する手法を提案する。 道路平面と画像平面の相同性が3D車両の検出に不可欠であることを観察する。 本稿では,BEV画像の歪み検出精度を高めるためのtextittailedr-box と textitdual-view Network アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-03-29T02:57:37Z)
• 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。