文献

J-GLOBAL ID：201802256440374275   整理番号：18A0587865

完全畳込みニューラルネットワークを用いたLIDARベース駆動経路の生成【Powered by NICT】

LIDAR-based driving path generation using fully convolutional neural networks

著者 (4件)： Caltagirone Luca (Adaptive Systems Research Group, Applied Mechanics Department, Chalmers University of Technology, Gothenburg, Sweden) ,  Bellone Mauro (Adaptive Systems Research Group, Applied Mechanics Department, Chalmers University of Technology, Gothenburg, Sweden) ,  Svensson Lennart (Signal and Systems Department, Chalmers University of Technology) ,  Wahde Mattias (Adaptive Systems Research Group, Applied Mechanics Department, Chalmers University of Technology, Gothenburg, Sweden)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ITSC  ページ： 1-6  発行年： 2017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： 本研究では,新しい学習ベースアプローチは,LIDAR点雲,GPS IMU情報,Google駆動方向を統合することにより,駆動経路を生成するために開発した。システムは,実際の運転配列から知覚と経路生成を行う学習共同,自動的に生成された訓練例を用いて訓練される完全に畳込みニューラルネットワークに基づいている。入力データの幾つかの組合せは,特定の情報のモダリティにより提供される性能利得を評価するために試験した。60×60mの関心領域を考慮した場合,駆動方向と共にすべての利用可能なセンサを用いて訓練された完全に畳込みニューラルネットワークは88.13%の最善のMaxFスコアを達成した。関心事の一層小さな領域を考慮することにより,予測された経路とグランドトルースとの一致は92.60%に増加した。本研究で得られた結果から,提案したシステムは,車両制御に近く,同時にヒトの解釈可能なことを出力を生成することにより低レベルシーンパージングと行動反射アプローチ間のギャップを埋める可能性があることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： センサ ,  ヒト ,  利得 ,  学習 ,  GPS ,  *LIDAR
準シソーラス用語： *レーザレーダ ,  GPS【位置決め】 ,  車両制御 ,  グランドトゥルース ,  スコア ,  関心領域 ,  モダリティ ,  入力データ ,  経路生成 ,  Google ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  LIDAR ,  経路