文献

J-GLOBAL ID：201802240408077815   整理番号：18A0122010

車載カメラ及びLidarを用いた多操作状況の推定

Estimation of cumbersome situation using in-vehicle camera image and Liders data

著者 (3件)： 三井弘希 (名古屋大 大学院情報学研究科) ,  WANG Yu (名古屋大 大学院情報学研究科) ,  加藤ジェーン (名古屋大 大学院情報学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 117  号： 362(PRMU2017 101-111)  ページ： 59-63  発行年： 2017年12月10日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年,歩行者や自動車の検出をはじめとした,自動車の運転及び運転の補助を行う研究が盛んにおこなわれている。一般の道路では道路の曲がり角や交差点,他の自動車や路上の障害物等に対して回避行動を行うために運転操作が必要となる。このような危険を回避するための行動を推定することで,事故防止や自動運転につなげることができる。本研究は,前方の映像及びLIDARのデータを用いて未来に多くの運転操作が必要かどうかを推定することを目標とする。本稿では,自動車運転中の画像及びLIDARのデータを用いて,多操作状況であるかどうかを判別することを目標とし,データの作成と画像とLidarデータを用いた推定実験を行った。推定実験では,画像,Lidarデータ共に70%程度の精度を得た。(著者抄録)

シソーラス用語： カメラ ,  *自動車 ,  *レーザスキャナ ,  事故防止 ,  運転支援システム ,  *画像認識 ,  運転 ,  実験 ,  ニューラルネットワーク ,  推定 ,  LIDAR
準シソーラス用語： レーザレーダ ,  運転支援装置 ,  自動車運転 ,  車載カメラ ,  畳込みニューラルネットワーク ,  評価実験

分類 (2件)： 自動車設計・構造・材料一般  (QG03010O) ,  パターン認識  (JE07000S)

引用文献 (6件)：

• XU, Huazhe, et al. End-to-end learning of driv-ing models from large-scale video datasets. arXiv preprint arXiv:1612.01079, 2016.
• WANG, Heng, et al. Pedestrian recognition and tracking using 3D LiDAR for autonomous vehicle. Robotics and Autonomous Systems, 2017, 88: 71-78.
• LI, Bo; ZHANG, Tianlei; XIA, Tian. Vehicle detec-tion from 3d lidar using fully convolutional network. arXiv preprint arXiv:1608.07916, 2016.
• WU, Zhirong, et al. 3d shapenets: A deep represen-tation for volumetric shapes. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2015. p. 1912-1920.
• MATURANA, Daniel; SCHERER, Sebastian. Voxnet: A 3d convolutional neural network for real-time ob-ject recognition. In: Intelligent Robots and Systems (IROS), 2015 IEEE/RSJ International Conference on. IEEE, 2015. p. 922-928.

タイトルに関連する用語 (4件)： 車載カメラ ,  LIDAR ,  状況 ,  推定