文献

J-GLOBAL ID：201802287874672296   整理番号：18A0077528

自律車両のための自動車検出:深い学習フレームワークによるLIDARと視覚融合アプローチ【Powered by NICT】

Car detection for autonomous vehicle: LIDAR and vision fusion approach through deep learning framework

著者 (3件)： Du Xinxin (Singapore-MIT Alliance for Research and Technology (SMART) Centre, Singapore) ,  Ang Marcelo H. (National University of Singapore, Singapore) ,  Rus Daniela (Massachusetts Institute of Technology, Cambridge, MA, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IROS  ページ： 749-754  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： 自律車両の技術は近年劇的進歩見せていた;が,車両検出のためのロバストな知覚システムの欠けている。深層学習研究の最近の発展に伴い,本論文では,深い学習フレームワークによる自動車検出のためのLIDARと視覚融合システムを提案した。三主要な構成要素である。第1部では,LIDAR点雲を考慮することにより画像の潜在的自動車位置のための種子の提案を生成する。第二部では,提案ネットワークにおける多層情報を調べることにより提案ボックスの位置を微細化し,最後に,提案ネットワークを持つ層の一部を共有する検出ネットワークを介して最終検出タスクを行った。評価は,提案したフレームワークはより効率的に(77.6%平均再現)高品質提案ボックスを生成し,技術精度(平均精度89.4%)の状態で自動車を検出できることを示した。骨格構造のさらなる最適化により,自律走行車両へ実装できる大きな可能性を持っている。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： 画像 ,  最適化 ,  多層 ,  ネットワーク ,  ロバスト性 ,  *自動車 ,  *視覚 ,  精密化 ,  *学習 ,  *LIDAR
準シソーラス用語： *レーザレーダ ,  自律走行車両 ,  高品質 ,  深層学習 ,  車両検出 ,  *自律性 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 自律 ,  自動車 ,  学習 ,  フレームワーク ,  LIDAR ,  視覚 ,  融合