論文の概要: Deep Learning-Based Road Lane Quality Assessment from Egocentric Dashcam Video

• arxiv url: http://arxiv.org/abs/2610.28508v1
• Date: Tue, 20 Oct 2026 16:46:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.925911
• Title: Deep Learning-Based Road Lane Quality Assessment from Egocentric Dashcam Video
• Title（参考訳）: エゴセントリックなダッシュカムビデオによるディープラーニングに基づく道路品質評価
• Abstract要約: レーンマーキング品質評価のためのスマートフォンダシュカムデータセットとベースラインフレームワークを提案する。 データセットには、GPS対応のダッシュカムアプリケーションを使用して南テキサス全域で収集された63,839個の道路用フレームが含まれている。 コントラスト安定度指数(CSI)、エッジとハフラインの証拠を用いて構造的連続性を推定するライン継続率比(LCR)、一致したフレーム上で予測されたレーン数と地図由来レーン数との一致を測る回帰レーン信頼スコア(RLCS)の3つのレーン品質指標を提案する。
• 参考スコア（独自算出の注目度）: 0.18641315013048299
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable lane markings are important for both human drivers and automated driving systems, but their condition is still commonly assessed through manual inspection. Existing autonomous-driving datasets primarily support lane detection and scene understanding and usually lack maintenance-oriented labels for lane-marking visibility, continuity, or degradation. In this study, we present a geo-referenced smartphone dashcam dataset and baseline framework for lane-marking quality assessment. The dataset contains 63,839 road-facing frames collected across South Texas using a GPS-enabled dashcam application. A subset of 3,339 frames is matched with OpenStreetMap-derived lane-count labels, which are used as weak supervision for lane-count regression and map-consistency evaluation. We propose three lane-quality measures: Contrast Stability Index (CSI), which captures lane-background contrast using Laplacian responses; Line Continuity Ratio (LCR), which estimates structural continuity using edge and Hough-line evidence; and Regression Lane Confidence Score (RLCS), which measures agreement between predicted and map-derived lane counts on matched frames. The baseline prediction models attained strong performance, with CSI (MAE $0.039$, $R^2=0.97$) and LCR (MAE $0.093$, $R^2=0.84$). Notably, CSI and LCR are no-reference, segmentation-derived quality metrics that can be computed without dense human labels. In a pilot validation using 50 human-ranked images, these proposed lane-specific metrics show stronger rank agreement with human lane-quality ordering (e.g., Spearman's $ρ=0.7316$ and Kendall's $τ=0.5472$ for LCR) than general image-quality measures such as PSNR, SSIM, BRISQUE, NIQE, and LPIPS. We believe the dataset, metrics, and baseline provide an initial step toward scalable, low-cost, location-aware lane-marking quality assessment. Data and code: https://github.com/Shaif95/Road_Quality
• Abstract（参考訳）: 信頼性の高い車線標識は、人間ドライバーと自動走行システムの両方にとって重要であるが、その状態は依然として手動検査によって評価されている。 既存の自律型データセットは、主にレーン検出とシーン理解をサポートし、レーンマーキングの可視性、連続性、あるいは劣化のためのメンテナンス指向のラベルを欠いている。 本研究では,道路標識品質評価のためのジオレファレンススマートフォンダシュカムデータセットとベースラインフレームワークを提案する。 データセットには、GPS対応のダッシュカムアプリケーションを使用して南テキサス全域で収集された63,839個の道路用フレームが含まれている。 3,339フレームのサブセットはOpenStreetMap由来のレーンカウントラベルと一致する。 コントラスト安定度指数(CSI)、エッジとハフラインの証拠を用いて構造的連続性を推定するライン継続率比(LCR)、一致したフレーム上で予測されたレーン数と地図由来レーン数との一致を測る回帰レーン信頼スコア(RLCS)の3つのレーン品質指標を提案する。 CSI (MAE $0.039$, $R^2=0.97$) と LCR (MAE $0.093$, $R^2=0.84$) のベースライン予測モデルは高い性能を達成した。 特に、CSIとLCRは、高密度な人間ラベルなしで計算できる非参照、セグメンテーションに基づく品質指標である。 例えば、スピアマンの$ρ=0.7316$とケンドールの$τ=0.5472$ for LCR)は、PSNR、SSIM、BRISQUE、NIQE、LPIPSといった一般的な画像品質指標よりも高いランク一致を示している。 データセット、メトリクス、ベースラインは、スケーラブルで低コストで、位置対応のレーンマーキングの品質評価に向けた最初のステップになると考えています。 データとコード:https://github.com/Shaif95/Road_Quality

関連論文リスト

• 3D Lane Detection with Odometry for High-Speed Vehicle Racing [1.9116784879310027]
  レーン境界検出は自律運転システムにおいて重要な要素であり、通常の運転シナリオにおいて厳密に研究されている。 レースにおける3Dレーン検出のための新しいデータセットを導入し、複数のカメラフィードから250$k以上の画像と、閉回路上でLexus LC 500を駆動する慣性測定を行った。 本研究では,F1スコアを3ポイント改善し,車体近傍平均絶対誤差(MAE)を30%以上削減した。
  論文  参考訳（メタデータ） (2026-07-15T18:07:27Z)
• LMT-Net: Lane Model Transformer Network for Automated HD Mapping from Sparse Vehicle Observations [11.395749549636868]
  Lane Model Transformer Network (LMT-Net) は、エンコーダとデコーダのニューラルネットワークアーキテクチャであり、ポリリン符号化を実行し、レーンペアとその接続性を予測する。 我々は、複数の車両観測と、地上真実(GT)としての人間のアノテーションからなる内部データセット上でのLMT-Netの性能を評価する。
  論文  参考訳（メタデータ） (2024-09-19T02:14:35Z)
• Decoupling the Curve Modeling and Pavement Regression for Lane Detection [67.22629246312283]
  曲線に基づく車線表現は多くの車線検出法で一般的な手法である。 本稿では,曲線モデルと地上高さ回帰という2つの部分に分解することで,車線検出タスクに対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-09-19T11:24:14Z)
• Prior Based Online Lane Graph Extraction from Single Onboard Camera Image [133.68032636906133]
  単眼カメラ画像からレーングラフをオンラインに推定する。 前者は、トランスフォーマーベースのWasserstein Autoencoderを通じてデータセットから抽出される。 オートエンコーダは、最初のレーングラフ推定を強化するために使用される。
  論文  参考訳（メタデータ） (2023-07-25T08:58:26Z)
• CLRerNet: Improving Confidence of Lane Detection with LaneIoU [3.2489082010225485]
  我々は,既存の行ベース検出器の予測において,正しい車線位置がすでに存在することを示す。 局所的な車線角を考慮に入れた上で、距離と相関関係が良くなるLaneIoUを提案する。 そこで我々は,LaneIoUを特徴とするCLRerNetという新しい検出器を開発した。
  論文  参考訳（メタデータ） (2023-05-15T05:59:35Z)
• OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
  交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。 OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。 様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
  論文  参考訳（メタデータ） (2023-04-20T16:31:22Z)
• Vision-Based Robust Lane Detection and Tracking under Different Challenging Environmental Conditions [8.312192184427762]
  レーンマーキング検出は、どちらも先進運転支援システムの基本である。 本稿では,3つの重要な技術を用いた頑健な車線検出・追跡手法を提案する。 実験の結果、平均検出率は97.55%であり、平均処理時間は22.33msec/frameであることがわかった。
  論文  参考訳（メタデータ） (2022-10-19T01:25:21Z)
• RCLane: Relay Chain Prediction for Lane Detection [76.62424079494285]
  本稿では,リレーチェーン予測に基づく車線検出手法を提案する。 当社の戦略では,TuSimple,CULane,CurveLanes,LLAMASの4つの主要なベンチマーク上で,最先端の新たなベンチマークを確立することが可能です。
  論文  参考訳（メタデータ） (2022-07-19T16:48:39Z)
• Topo-boundary: A Benchmark Dataset on Topological Road-boundary Detection Using Aerial Images for Autonomous Driving [11.576868193291997]
  オフライントポロジカル道路境界検出のための新しいベンチマークデータセットであるtextitTopo-boundaryを提案する。 データセットには21,556$1000times 1000$-size 4-channel aerial imageが含まれる。 データセットを用いて,3つのセグメンテーションベースラインと5つのグラフベースラインを実装し,評価する。
  論文  参考訳（メタデータ） (2021-03-31T14:42:00Z)
• DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
  我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。 グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。 2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
  論文  参考訳（メタデータ） (2020-12-22T21:58:57Z)
• 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。