文献

J-GLOBAL ID：202002220084374027   整理番号：20A0071434

条件付き確率場による非構造環境におけるマルチモーダル障害物検出【JST・京大機械翻訳】

Multimodal obstacle detection in unstructured environments with conditional random fields

著者 (2件)： Kragh Mikkel (Department of Engineering, Aarhus University, Aarhus N, Denmark) ,  Underwood James (Australian Centre for Field Robotics, The University of Sydney, Sydney, NSW, Australia)
資料名： Journal of Field Robotics  (Journal of Field Robotics)
巻： 37  号： 1  ページ： 53-72  発行年： 2020年 
JST資料番号： B0014C  ISSN： 1556-4959  資料種別： 逐次刊行物 (A)
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： 農業圃場や果樹園のような粗くて非構造化された地形における信頼できる障害物検出と分類は挑戦的な問題となっている。これらの環境は,幾何学と外観の両方に大きな変化を含み,単一のセンサモダリティのみに依存する挑戦的な知覚システムである。幾何学的に,高い草,落下した葉,あるいは地形の粗さは,非横断的なものとして誤って知覚されるか,あるいは実際の障害物を隠すことさえできる。同様に,横断可能な草または汚れた道路と樹木やブッシュのような障害物は視覚的にあいまいである可能性がある。本論文において,著者らは,条件付きのランダムフィールドを用いる意味的セグメンテーションによって,ライダーとカメラ検出を確率的に融合することによって,外観と幾何学に基づく検出方法を結合した。著者らは,シーン解析領域から最先端の多モード融合アルゴリズムを適用して,移動する地上車両を有する農業における障害物検出のためにそれを調整した。これは,スパース点雲データを明示的に扱い,対応する2Dと3D領域の間の空間的,時間的,および多モードリンクの両方を利用することを含む。提案した方法を,オーストラリアにおける認知研究ロボットで集められた酪農パドックと異なる果樹園からなる多様なデータセットについて評価した。結果は,2クラス分類問題(地上と非地上)に対して,平均分類スコアが0.5%増加する他のモダリティによって提供された情報から,カメラだけが利用されることを示した。しかし,より多くのクラスが導入された(地上,天空,植生,および対象)として,両方のモダリティは互いに補完し,2Dで1.4%,3Dで7.9%の改善があった。最後に,逐次フレーム間の時間的リンクの導入により,2Dでは0.2%,3Dでは1.5%の改善が得られた。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *多モード ,  検出法 ,  カメラ ,  果樹園 ,  ブシュ ,  二次元 ,  視覚 ,  曖昧さ ,  道路 ,  ロボット ,  幾何学 ,  アルゴリズム ,  セグメンテーション ,  酪農 ,  LIDAR
準シソーラス用語： レーザレーダ , 【Automatic Indexing@JST】

著者キーワード (4件)： 農業 ,  フィールドロボット ,  障害物検出 ,  センサ融合

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (4件)： 条件付き確率場 ,  環境 ,  マルチモーダル ,  障害物検出