論文の概要: Infrastructure-based Monocular 3D Vehicle Localization Framework with Experimental Validation

• arxiv url: http://arxiv.org/abs/2609.05523v1
• Date: Tue, 01 Sep 2026 09:21:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.085576
• Title: Infrastructure-based Monocular 3D Vehicle Localization Framework with Experimental Validation
• Title（参考訳）: 実験検証によるインフラストラクチャベースモノクル3次元車両位置決めフレームワーク
• Abstract要約: 本稿では,単眼の道路側カメラ画像と地上固定座標フレームの車両状態を直接マッピングする一段階学習フレームワークを提案する。 路面カメラと無人航空機の同期映像に基づくデータ収集・ラベル生成パイプラインを開発した。 提案手法は, 単眼道路画像から車両軌跡や方向を, 別段の幾何学的後処理を行なわずに復元できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper presents a one-stage learning framework that maps monocular roadside-camera images directly to vehicle states in a ground-fixed coordinate frame. Unlike conventional approaches that first detect vehicles in the image plane and subsequently apply geometric post-processing, the proposed method leverages features from a pretrained object detector to jointly estimate each vehicle's ground-plane position, dimensions, and yaw angle. The framework therefore uses visual features not only for vehicle detection but also for direct spatial and orientation estimation. To support model training and evaluation, we develop a data-collection and label-generation pipeline based on synchronized video from a roadside camera and an unmanned aerial vehicle (UAV). Acting as a temporary top-view sensing platform, the UAV provides vehicle trajectories, dimensions, and orientations, which are transformed into the ground-fixed coordinate frame and temporally aligned with the roadside-camera images to generate ground-truth labels. The framework is evaluated using data collected during multiple experiments at the Mcity Test Facility. Results show that the proposed method can recover vehicle trajectories and orientations from monocular roadside imagery without a separate geometric post-processing stage, demonstrating its potential as a scalable approach to infrastructure-based perception at urban intersections.
• Abstract（参考訳）: 本稿では,単眼の道路側カメラ画像と地上固定座標フレームの車両状態を直接マッピングする一段階学習フレームワークを提案する。 画像平面内の車両を最初に検出し、幾何学的後処理を適用する従来の手法とは異なり、提案手法は事前訓練対象検出器の特徴を利用して、各車両の地上面の位置、寸法、ヨー角を共同で推定する。 したがって、このフレームワークは車両検出だけでなく、直接空間および方位推定にも視覚的特徴を使用する。 モデルトレーニングと評価を支援するため,道路カメラと無人航空機(UAV)の同期映像に基づくデータ収集・ラベル生成パイプラインを開発した。 一時的なトップビューセンシングプラットフォームとして機能し、UAVは車両軌跡、寸法、方位を提供し、地上固定された座標フレームに変換され、道路側カメラ画像と時間的に整列して地上トラスラベルを生成する。 このフレームワークは、Mcity Test Facilityで複数の実験で収集されたデータを用いて評価される。 提案手法は,都市交差点におけるインフラストラクチャーベース認識へのスケーラブルなアプローチとしての可能性を示した。

関連論文リスト

• Mobile Traffic Camera Calibration from Road Geometry for UAV-Based Traffic Surveillance [0.1019561860229868]
  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。
  論文  参考訳（メタデータ） (2026-05-12T10:14:43Z)
• GHOST: Ground-projected Hypotheses from Observed Structure-from-Motion Trajectories [1.9318925338937918]
  本稿では,モノクル画像から車両軌道を分割して自律走行する,スケーラブルな自己教師型アプローチを提案する。 記録した自走車の動きを暗黙の監視として扱い,モノクラー構造によるカメラ軌跡の復元を行った。 以上の結果から, 大規模エゴモーション蒸留は構造と一般化可能な経路の提案をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2026-03-21T00:47:03Z)
• Boosting 3-DoF Ground-to-Satellite Camera Localization Accuracy via Geometry-Guided Cross-View Transformer [66.82008165644892]
  地上レベルの画像と一致/検索衛星画像との相対的な回転と変換を推定することにより、地上カメラの位置と方向の精度を向上させる手法を提案する。 実験の結果,本手法は最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-07-16T11:52:27Z)
• 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)
• Uncertainty-aware Vision-based Metric Cross-view Geolocalization [25.87104194833264]
  地上画像と空中画像を用いて車両のポーズの確率分布を予測するエンド・ツー・エンドの微分モデルを提案する。 テストエリアからの地上データや空中データなしでも、最先端の技術を大きなマージンで改善する。
  論文  参考訳（メタデータ） (2022-11-22T10:23:20Z)
• 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)
• Satellite Image Based Cross-view Localization for Autonomous Vehicle [59.72040418584396]
  本稿では,市販の高精細衛星画像を使用可能な地図として利用することにより,良好な精度でクロスビュー車両のローカライゼーションを実現することができることを示す。 本手法はKITTIとFord Multi-AVの季節データセットを地上ビューとして,Google Mapsを衛星ビューとして検証した。
  論文  参考訳（メタデータ） (2022-07-27T13:16:39Z)
• 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)
• Self-Supervised Steering Angle Prediction for Vehicle Control Using Visual Odometry [55.11913183006984]
  視覚オドメトリー法を用いて推定したカメラポーズを用いて,車両の軌道制御をモデルに訓練する方法を示す。 車両の前方にカメラを設置することにより,複数の異なる走行経路からの軌跡情報を活用するスケーラブルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-20T16:29:01Z)
• 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。