論文の概要: A Multi-Vehicle Dataset with Camera, LiDAR, and Radar Sensors and Scanned 3D Models for Custom Auto-Annotation using RTK-GNSS
- arxiv url: http://arxiv.org/abs/2609.12871v1
- Date: Fri, 11 Sep 2026 13:55:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.767995
- Title: A Multi-Vehicle Dataset with Camera, LiDAR, and Radar Sensors and Scanned 3D Models for Custom Auto-Annotation using RTK-GNSS
- Title（参考訳）: RTK-GNSSを用いたカメラ・LiDAR・レーダセンサとカスタム自動アノテーションのための走査型3次元モデルを用いた多車種データセット
- Abstract要約: 本データセットは、RTK-GNSSにより得られたポーズ及び連続キネマティクス参照を含む。
センサー車両の完全なダイナミックな周囲の状態は、どの時点でも知られている。
本稿では,このデータセットについて述べるとともに,その開発の技術的背景を考察し,模範的な評価を簡潔に提示する。
- 参考スコア（独自算出の注目度）: 2.064612766965483
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Datasets are a crucial element in the development of perception algorithms. They relate sensor measurement data to annotated reference information and allow for the deduction of sensor and object characteristics. In autonomous driving, the reference data commonly consist of semantic image segmentation, point-wise associations, or bounding box annotations. The dataset proposed in this work, however, aims to dig deeper into the evaluation of measurement principles and provides scanned 3D models of all vehicles together with a pose and continuous kinematics reference obtained by RTK-GNSS. Combined, the state of the complete dynamic surrounding of the sensor vehicle is known for any point in time. Subsequent reference formats can be easily computed in user-defined granularity. This dataset involves single-object and multi-object recordings with seven target vehicles. In particular, measurement effects such as occlusion, as well as reflections, can be evaluated, as the normals of the shape of the target vehicles are known. We describe the dataset, discuss the technical background of its development, and briefly present exemplary evaluations.
- Abstract（参考訳）: データセットは知覚アルゴリズムの開発において重要な要素である。
彼らは、センサ計測データを注釈付き基準情報に関連付け、センサと対象特性の推論を可能にする。
自律運転では、参照データは一般的にセマンティックイメージセグメンテーション、ポイントワイズアソシエーション、バウンディングボックスアノテーションから構成される。
この研究で提案されるデータセットは、測定原理の評価を深く掘り下げることを目的としており、RTK-GNSSによって得られたポーズと連続キネマティクスの参照とともに、全車両のスキャンされた3Dモデルを提供する。
組み合わさって、センサー車両の完全なダイナミックな周囲の状態は、どの時点でも知られている。
その後の参照フォーマットは、ユーザ定義の粒度で簡単に計算できる。
このデータセットは、7台の目標車両で1オブジェクトと複数オブジェクトの記録を含む。
特に、対象車両の形状の正常さが知られているため、閉塞や反射などの測定効果を評価することができる。
本稿では,このデータセットについて述べるとともに,その開発の技術的背景を考察し,模範的な評価を簡潔に提示する。
関連論文リスト
- Concept-based Explainable Data Mining with VLM for 3D Detection [0.0]
本稿では、2次元視覚言語モデルを利用して、運転シーンからレアな物体を識別・マイニングする新しいクロスモーダルフレームワークを提案する。
提案手法は,オブジェクト検出,意味的特徴抽出,次元減少,多面外乱検出などの相補的手法を合成する。
nuScenesデータセットの実験では、この概念に基づくデータマイニング戦略により、3Dオブジェクト検出モデルの性能が向上することが示された。
論文 参考訳（メタデータ） (2025-12-05T07:18:45Z) - Valeo Near-Field: a novel dataset for pedestrian intent detection [21.659078060884614]
本稿では,エゴ車両に接近する歩行者の意図を検出するための新しいデータセットを提案する。
データセットは、魚眼カメラフィード、ライダーレーザースキャン、超音波センサー読み取り、モーションキャプチャベースの3Dボディポーズを含む、同期されたマルチモーダルデータを含む。
論文 参考訳（メタデータ） (2025-10-17T14:02:54Z) - Point Cloud Based Scene Segmentation: A Survey [3.0846824529023387]
本稿では、自律運転のためのポイントクラウドセマンティックス分野における最先端手法の概要について述べる。
提案手法はプロジェクションベース,3Dベース,ハイブリッドに分類する。
また,実世界のデータに制限がある場合,研究を支援するための合成データの重要性も強調する。
論文 参考訳（メタデータ） (2025-03-16T18:02:41Z) - Towards Flexible 3D Perception: Object-Centric Occupancy Completion Augments 3D Object Detection [54.78470057491049]
占領は3Dシーンの知覚に有望な代替手段として現れてきた。
オブジェクトbboxのサプリメントとして,オブジェクト中心の占有率を導入する。
これらの特徴は,最先端の3Dオブジェクト検出器の検出結果を著しく向上させることを示した。
論文 参考訳（メタデータ） (2024-12-06T16:12:38Z) - CarPatch: A Synthetic Benchmark for Radiance Field Evaluation on Vehicle
Components [77.33782775860028]
車両の新たな総合ベンチマークであるCarPatchを紹介する。
内在カメラパラメータと外在カメラパラメータを付加した画像のセットに加えて、各ビューに対して対応する深度マップとセマンティックセグメンテーションマスクが生成されている。
グローバルとパートベースのメトリクスは、いくつかの最先端技術を評価し、比較し、より良い特徴付けるために定義され、使われてきた。
論文 参考訳（メタデータ） (2023-07-24T11:59:07Z) - Once Detected, Never Lost: Surpassing Human Performance in Offline LiDAR
based 3D Object Detection [50.959453059206446]
本稿では,高性能なオフラインLiDARによる3Dオブジェクト検出を実現することを目的とする。
まず、経験豊富な人間のアノテータが、トラック中心の視点でオブジェクトに注釈を付けるのを観察する。
従来のオブジェクト中心の視点ではなく,トラック中心の視点で高性能なオフライン検出器を提案する。
論文 参考訳（メタデータ） (2023-04-24T17:59:05Z) - On the Importance of Accurate Geometry Data for Dense 3D Vision Tasks [61.74608497496841]
不正確または破損したデータのトレーニングは、モデルバイアスとハマーズ一般化能力を誘導する。
本稿では,深度推定と再構成における高密度3次元視覚課題に対するセンサ誤差の影響について検討する。
論文 参考訳（メタデータ） (2023-03-26T22:32:44Z) - Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object
Detection [58.81316192862618]
自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。
これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。
我々は、最先端の核融合法を初めてベンチマークした。
論文 参考訳（メタデータ） (2022-05-30T09:35:37Z) - Comparative study of 3D object detection frameworks based on LiDAR data
and sensor fusion techniques [0.0]
知覚システムは、車両の環境をリアルタイムで正確に解釈する上で重要な役割を果たす。
ディープラーニング技術は、センサーから大量のデータを意味情報に変換する。
3Dオブジェクト検出法は、LiDARやステレオカメラなどのセンサーから追加のポーズデータを利用することで、オブジェクトのサイズと位置に関する情報を提供する。
論文 参考訳（メタデータ） (2022-02-05T09:34:58Z) - High-level camera-LiDAR fusion for 3D object detection with machine
learning [0.0]
本稿では,自律運転などの応用において重要な3次元物体検出問題に取り組む。
モノクロカメラとLiDARデータを組み合わせた機械学習パイプラインを使用して、動くプラットフォームの周囲の3D空間内の車両を検出する。
本結果は,検証セットに対して効率よく精度の高い推定を行い,全体の精度は87.1%となった。
論文 参考訳（メタデータ） (2021-05-24T01:57:34Z) - Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。
移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-12T15:30:02Z)
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。