文献

J-GLOBAL ID：202002230429496839   整理番号：20A0710734

自律走行のためのライダを用いた歩行者検出と認識【JST・京大機械翻訳】

Pedestrian detection and recognition using lidar for autonomous driving

著者 (5件)： Mao Jiao (Chongqing Univ. of Posts and Telecommunications (China)) ,  Xu Guoliang (Chongqing Univ. of Posts and Telecommunications (China)) ,  Li Wanlin (Chongqing Univ. of Posts and Telecommunications (China)) ,  Fan Xiaohui (Chongqing Univ. of Posts and Telecommunications (China)) ,  Luo Jiangtao (Chongqing Univ. of Posts and Telecommunications (China))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11436  ページ： 114360R-11  発行年： 2020年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 安全な運転を確実にするために,動的環境下の自律車両は,特に歩行者が変化するか移動する重要な目標を正確に同定しなければならない。カメラは気象,光,および他の環境因子に対して脆弱であるので,ターゲット検出と認識のリアルタイムと精度は劣っている可能性がある。本論文では,Lidarに基づく歩行者ターゲット認識のための方法を提案した。それは3つの部分から成る:地上点雲除去,目標物体分割,および歩行者ターゲット認識。まず第一に,地上点雲データの膨大な量のために,本論文は,地上点雲を急速に取り除くために,角度閾値アルゴリズムに基づく距離画像を使用する。不規則な3D点雲と規則化距離画像の間のマッピング関係により,地上点雲は3D点雲上よりもむしろ距離画像上の角度閾値により著しく除去される。地上点雲除去は,その後の目標物体セグメンテーションと認識のために便利である。第二に,従来のクラスタリングセグメンテーションアルゴリズムがポイントクラウドセグメンテーションのリアルタイム要求を満たすことができないので,著者らは,本論文においてポイントクラウドターゲットを分割するために,範囲画像と結合した改良EpsパラメータDBSCANアルゴリズムを使用した。3D点雲データ密度の不均一性の問題に対して,Epsパラメータの設定を改善した。隣接ターゲット間のアンダーセグメンテーションのために,著者らは空間において隣接ターゲットをよく区別することができるユークリッド空間距離と角度距離の両方を考察した。最後に,3Dポイントクラウドの希薄性と不規則性と従来のPointNetネットワークの局所的特徴抽出の欠如を考慮して,マルチスケール特徴融合PointNetネットワークを提案して,それはポイントクラウドのマルチスケール局所的特徴とグローバル特性を結合した。また,ネットワークは,Lidarポイントクラウドの空間情報と反射強度を使用して,歩行者認識を完成した。実験結果は,著者らの提案方法が地上点クラウドを急速に取り除くことができて,隣接するターゲットの間の分割においてよく機能することを示した。マルチスケール特徴融合PointNetネットワーク性能は,3Dポイントクラウドに関して良く,ROC値の曲線の下の区域は,0.92に達した。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 不均一性 ,  ネットワーク ,  Euclid空間 ,  カメラ ,  *歩行者 ,  距離画像 ,  特徴抽出 ,  アルゴリズム ,  セグメンテーション ,  物体認識 ,  気象 ,  クラスタ化 ,  三次元 ,  *LIDAR
準シソーラス用語： *レーザレーダ ,  歩行者認識 , 【Automatic Indexing@JST】

分類 (2件)： リモートセンシング一般  (AD04000L) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 自律走行 ,  ライダ ,  歩行者検出