論文の概要: CLIFE: Camera-LiDAR Fusion Framework for Edge-Deployable Roadside VRU Perception
- arxiv url: http://arxiv.org/abs/2607.16154v1
- Date: Fri, 17 Jul 2026 17:35:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-20 17:56:52.918213
- Title: CLIFE: Camera-LiDAR Fusion Framework for Edge-Deployable Roadside VRU Perception
- Title（参考訳）: CLIFE: エッジ展開可能なロードサイドVRU認識のためのカメラ-LiDAR融合フレームワーク
- Abstract要約: 既存のマルチセンサーフュージョンシステムはクラウドやサーバグレードのインフラに依存しており、現実世界の交差点におけるデプロイメントギャップを形成している。
私たちは、ターゲットレスオンラインキャリブレーションと軽量なレイトフュージョントラッキングを統合した、エッジネイティブカメラ-LiDAR融合フレームワークであるCLIFEについて紹介する。
- 参考スコア（独自算出の注目度）: 7.94700207693085
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reliable roadside perception of vulnerable road users (VRUs) remains challenging under occlusions, variable lighting, and diverse weather conditions, particularly under strict edge-computing and latency constraints. Existing multi-sensor fusion systems rely on cloud or server-grade infrastructure, creating a deployment gap at real-world intersections. We present CLIFE, an edge-native camera-LiDAR fusion framework that integrates targetless online calibration and lightweight late-fusion tracking entirely on a single embedded device, without cloud offloading. CLIFE adaptively refines camera-LiDAR alignment on demand and performs multi-sensor fusion and track association with O(N log N) per-frame cost. We deploy CLIFE across 12 signalized intersections in Chattanooga and conduct an in-depth evaluation at a representative intersection using synchronized camera-LiDAR data that spans diverse daytime, nighttime, and weather conditions. Our experiments demonstrate that the fusion architecture substantially enhances the perceptual range and robustness of the individual sensors under varied environmental and traffic conditions. The late-fusion core operates at 53.2 FPS on the Jetson AGX Thor, ensuring high throughput for real-time intersection-scale applications. By centering perception at the edge, CLIFE provides a deployable foundation for downstream safety applications, while reducing bandwidth and calibration overhead for agencies operating multi-intersection corridors.
- Abstract（参考訳）: 脆弱な道路利用者(VRU)に対する信頼性の高い道路側の認識は、特に厳密なエッジ計算と遅延制約の下では、閉塞、可変照明、多様な気象条件下では困難なままである。
既存のマルチセンサーフュージョンシステムはクラウドやサーバグレードのインフラに依存しており、現実世界の交差点におけるデプロイメントギャップを形成している。
私たちは、ターゲットレスオンラインキャリブレーションと軽量なレイトフュージョントラッキングを統合した、エッジネイティブカメラ-LiDAR融合フレームワークであるCLIFEを、クラウドオフロードなしで、単一の組み込みデバイスに完全に統合する。
CLIFEは、要求に応じてカメラとLiDARのアライメントを適応的に改善し、フレーム当たりのO(N log N)とマルチセンサフュージョンおよびトラックアライメントを実行する。
チャタヌーガの12の信号化交差点にCLIFEを配置し、日中・夜間・天候の異なる同期カメラ-LiDARデータを用いて、代表交差点で詳細な評価を行う。
本実験は, 各種環境および交通条件下での個々のセンサの知覚範囲とロバスト性を大幅に向上させることを実証した。
レイトフュージョンコアはJetson AGX Thor上で53.2 FPSで動作し、リアルタイムの交叉スケールのアプリケーションに高いスループットを保証している。
エッジに認識を集中させることで、CLIFEは下流の安全アプリケーションのためのデプロイ可能な基盤を提供し、マルチインターセクション回廊を運用する機関の帯域幅とキャリブレーションオーバーヘッドを低減します。
関連論文リスト
- LiveLight: Real-time Streaming Video Relighting with Interactive Control [50.08584152649119]
インタラクティブな3Dライティング制御を備えたリアルタイムストリーミングビデオリライティングのための,最初の拡散ベースのフレームワークであるLiveLightを紹介する。
拡散モデルに動的3D照明を効果的に注入し、低NFE予算下で高忠実度生成を維持し、対話型制御のための連続ストリーミングを容易にするという3つの重要な課題を克服する。
実世界のベンチマークと合成ベンチマークの実験は、LiveLightがリアルタイムに実行しながら最先端のリライト品質を達成することを示した。
論文 参考訳（メタデータ） (2026-08-03T06:45:00Z) - LLM-Empowered Multimodal Fusion Framework for Autonomous Driving: Semantic Enhancement and Channel-Adaptive Design [56.76240343283953]
本稿では,大規模言語モデル中心のセマンティック・レイヤ・チャネル・アウェア・インテグレート・パーセプション・フレームワークを提案する。
ローカルな視覚ストリームと、知覚盲点をカバーするために使用される品質の変化した外部レーダーストリームを融合させる。
nuScenesとVIRATの実験は、我々のアプローチを検証する。
論文 参考訳（メタデータ） (2026-07-02T06:44:02Z) - RESOLVE: A Multi-Resolution and Multi-Modal Dataset for Roadside Cooperative Perception [2.4779082385578337]
我々は,マルチ解像度ロードサイドLiDARと同期カメラ-LiDARセンサを備えた大規模ベンチマークデータセットRESOLVEを紹介する。
大規模なベンチマーク実験の結果、マルチモーダル核融合がLiDARの点間隔を補うことができるかが明らかになった。
論文 参考訳（メタデータ） (2026-06-30T16:04:33Z) - Cross-Session 3D LiDAR and Camera Fusion for Robust Localization of Unmanned Aerial Vehicles in GPS-Denied Environments [0.9749189465851389]
クロスフュージョン(Cross-Fusion)は、リアルタイムUAVローカライゼーションのための新しい手法である。
このシステムは、動き追跡と画像に基づく特徴マッチングにLiDARベースのオドメトリを使用して、単一の赤緑色(RGB)カメラでドリフトを補正し、精度を向上させる。
論文 参考訳（メタデータ） (2026-06-27T14:48:46Z) - Ultra-Fusion: A Resilient Tightly-Coupled Multi-Sensor Fusion SLAM Framework under Sensor Degradation and Spatiotemporal Perturbation for Intelligent Transportation Systems [6.0362659834721955]
本稿では,一元的スライディングウインドウ推定器に基づく密結合型マルチセンサ・ローカライズ・フレームワークであるUltra-Fusionを提案する。
M3DGR, M2DGR-Plus, KAIST, GrandTour, MARS-LVIG を用いた60以上のオープンソースSLAMシステムの評価を行った。
その結果、車輪付き、脚付き、空中プラットフォーム間の長期・高速運転時の競争精度が示された。
論文 参考訳（メタデータ） (2026-06-19T08:40:04Z) - Effective Multi-sensor Conditioning for Street-view Novel-view Synthesis [53.67632483195509]
ビデオ拡散フレームワークであるStreetNVSを紹介する。
我々は,高架,車線シフト,引き戻し,回転などの極端な軌道外経路に沿ってコヒーレントな映像を合成する能力を示す。
論文 参考訳（メタデータ） (2026-06-01T02:37:56Z) - DeepIPCv3: Event-Aware Multi-Modal Sensor Fusion for Sudden Pedestrian Crossing Avoidance [4.219150964619931]
DeepIPCv3は、新しいマルチモーダル自律ナビゲーションフレームワークである。
ダイナミックビジョンセンサーのマイクロ秒レベルの非同期イベントストリームとLiDAR点雲の密度の高い3次元空間幾何学を相乗化する。
提案されたLiDARとDVSの融合は、低軌道と制御コマンドエラーをもたらし、非常に反応性が高く数学的に拘束された回避操作を可能にする。
論文 参考訳（メタデータ） (2026-05-31T14:59:01Z) - Adding Thermal Awareness to Visual Systems in Real-Time via Distilled Diffusion Models [48.056469832242094]
純粋なRGBベースの視覚モデルは、夜間や霧のような困難なシナリオにおいて、信頼できる手がかりを提供することができないことが多い。
拡散レベルの品質を持つ完全独立なプラグアンドプレイコンポーネントとして設計されたリアルタイム画像融合モジュールであるFusionproxyを提案する。
本手法は静的認識タスクにおいて優れた性能を実現し,閉ループ自律運転を含む動的タスクの堅牢性を大幅に向上させる。
論文 参考訳（メタデータ） (2026-05-07T11:03:31Z) - Infrastructure Sensor-enabled Vehicle Data Generation using Multi-Sensor Fusion for Proactive Safety Applications at Work Zone [8.125809724901366]
インフラベースセンシングとリアルタイム軌道生成は、ワークゾーンなどの高リスク道路セグメントの安全性向上を約束する。
本研究では、路面カメラとLiDARセンサーを協調環境に組み込むことにより、これらの障壁に対処する。
シミュレーションでは、融合アルゴリズムは個々のセンサーと比較して、長手誤差を最大70%削減した。
論文 参考訳（メタデータ） (2025-09-29T19:58:27Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。
本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。
カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
論文 参考訳（メタデータ） (2024-04-11T10:26:40Z)
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。