文献

J-GLOBAL ID：202002240272729776   整理番号：20A0913850

LIDARデータに基づく3D物体検出【JST・京大機械翻訳】

3D Object Detection Based on LiDAR Data

著者 (4件)： Sahba Ramin (The University of Texas at San Antonio,Department of Electrical and Computer Engineering, Department of Information Systems and Cyber Security,San Antonio,TX,USA) ,  Sahba Amin (The University of Texas at San Antonio,Department of Electrical and Computer Engineering, Department of Information Systems and Cyber Security,San Antonio,TX,USA) ,  Jamshidi Mo (The University of Texas at San Antonio,Department of Electrical and Computer Engineering, Department of Information Systems and Cyber Security,San Antonio,TX,USA) ,  Rad Paul (The University of Texas at San Antonio,Department of Electrical and Computer Engineering, Department of Information Systems and Cyber Security,San Antonio,TX,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： UEMCON  ページ： 0511-0514  発行年： 2019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： オブジェクト検出は,人工知能と機械学習の出現以来,非常にホットな研究トピックである。その重要性は,自律車両技術の進歩において非常に高い。画像,レーダ,およびライダーを含む異なるタイプのデータに基づいて,多くの物体検出法が開発されている。いくつかの最近の研究は,3D物体検出のためのポイントクラウドを使用する。最近発表された効率的な方法の一つは,点雲内のデータから学習し,三次元物体検出のための垂直柱(ピラー)の表現を組織化することにある。本研究では,3つの異なるクラスの物体(自動車,歩行者,バス)に対する3Dボックスを予測するために,いくつかの都市シーンのライダーデータを用いた。また,異なるシナリオを測定し比較するために,検出タスクのための統合されたメトリックであるnuscenes検出スコア(NDS)を使用する。結果は,ライダー掃引の数を増加させることにより,3D物体検出器の性能が著しく改善されることを示した。著者らは,重みづけシステムに基づいて異なるタイプの入力データ(ライダー,レーダ,画像)を結合する方法を開発することによって,エンコーダの性能を増加させることを試みて,それをエンコーダの入力として用いた。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： レーダ ,  自動車 ,  歩行者 ,  都市 ,  人工知能 ,  符号器 ,  検出器 ,  *三次元 ,  重みづけ ,  機械学習 ,  LIDAR
準シソーラス用語： レーザレーダ ,  自律性 ,  *物体検出 ,  入力データ ,  *LIDARデータ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： LIDARデータ ,  3D物体