文献

J-GLOBAL ID：201802229314377012   整理番号：18A1943670

マルチモーダル長距離センサデータセットのための半自動高精度ラベリングツール【JST・京大機械翻訳】

Semi-Automatic High-Accuracy Labelling Tool for Multi-Modal Long-Range Sensor Dataset

著者 (5件)： Izquierdo R. (Computer Engineering Department, University of Alcala ́, Alcala ́ de Henares, spain) ,  Parra I. (Computer Engineering Department, University of Alcala ́, Alcala ́ de Henares, spain) ,  Salinas C. (Computer Engineering Department, University of Alcala ́, Alcala ́ de Henares, spain) ,  Fernandez-Llorca D. (Computer Engineering Department, University of Alcala ́, Alcala ́ de Henares, spain) ,  Sotelo M. A. (Computer Engineering Department, University of Alcala ́, Alcala ́ de Henares, spain)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IV  ページ： 1786-1791  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 多くの研究は,一定の制約の下でいくつかのあらかじめ定義された領域においてSAEレベル3と4を達成するために貢献した。より深いシーン理解と運転者意図の正確な予測は,より高いSAEレベルに達するために自律運転能力を改善するために必要である。正確で詳細なデータセットの展開は,自律的な運転能力を強化するための最もプレスの必要性の一つと考えられる。本研究は,道路上車両軌道収集のための新しいデータ収集方法論を提示した。提案したセンサセットアップは,360°と2つの高速で高分解能カメラをカバーする高精度レーザスキャナを用いることにより,範囲と検出精度を改善した。センサ融合はラベリング分解能を増加させ,各センサの最良の検出範囲を広げる。Median Flow追跡アルゴリズムとConvolutional Neural Networkは,半自動ラベリングプロセスを可能にし,詳細な注釈付きデータセットを作成する努力を減らす。2cm以下の平均誤差で,60mまでのわずかな手動アノテーションで高精度軌道を再構成した。この方法論は,先進的な車両軌道予測システムの開発を可能にするデータセットを作成するために開発され,その結果,人間のような自動運転に貢献する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 高速度 ,  アノテーション ,  再構成 ,  自動運転 ,  センサフュージョン ,  カメラ ,  *センサ ,  道路 ,  高分解能 ,  データ収集 ,  レーザスキャナ ,  *多モード
準シソーラス用語： 検出精度 ,  自律性 ,  *高精度 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： マルチモーダル ,  長距離 ,  センサデータ ,  ラベリング ,  ツール