文献

J-GLOBAL ID：202002240809122109   整理番号：20A2083707

確率的オクルージョン推論による高密度点クラウドにおける拡張剛体マルチターゲット追跡【JST・京大機械翻訳】

Extended Rigid Multi-Target Tracking in Dense Point Clouds with Probabilistic Occlusion Reasoning

著者 (2件)： Chowdhury Seffat M. (University of Pretoria,Dept. of Electrical, Electronic and Computer Engineering,Pretoria,South Africa) ,  de Villiers J. Pieter (University of Pretoria,Dept. of Electrical, Electronic and Computer Engineering,Pretoria,South Africa)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： FUSION  ページ： 1-8  発行年： 2020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： ポイントクラウド測定セットからの部分オクルージョンの存在における多重拡張三次元ターゲットの追跡は,課題として残っているが,自律車両において明らかな応用がある。点雲セグメンテーションと動き検出に対する既存の距離画像ベースアプローチを,追跡相関を助けるために高速点クラウドレジストレーション技術と融合できることを示した。その結果,ポイントクラウドにおける複数の一般的拡張ターゲットを追跡することができた。また,ロバストなオクルージョンハンドリングは,静的局所参照フレームにおける共レジストレーションポイントクラウドから時間的に蓄積された幾何学的情報を用いて達成できることを示した。オクルージョン論理は,自己オクルージョンの模擬幾何学的処理と組み合わせた新しい確率的オクルージョン推論アプローチに基づいている。提案した追跡パイプラインを,ベンチマーク自律駆動データセットからの測定データと同様に,実世界背景に重畳した合成ターゲット形状で試験した。追跡されたターゲットは,自己オクルージョンと同様に,人工的に導入したおよび自然に起こる前景オクルージョンの両方に直面した。結果は,前景オクルージョンに対して顕著なロバスト性を示した。近接性における多重ターゲットが類似の動力学を示し,ほぼ同一の形状を持つとき,不正確なトラック相関が可能である。追跡アルゴリズムのシーケンスは,複数の調整可能なハイパーパラメータに依存する。これらのパラメータは,ロバストでリアルタイムのフィールドアプリケーションを達成できる前に,さらに自動化されたランタイム最適化を必要とする。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： 剛体 ,  最適化 ,  自動化 ,  セグメンテーション ,  多重化 ,  応用プログラム ,  三次元 ,  ベンチマーク ,  ロバスト性 ,  距離画像 ,  *オクルージョン
準シソーラス用語： 前景 ,  近接性 ,  *ターゲット追跡 ,  追跡アルゴリズム , 【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 (9件)： 確率 ,  オクルージョン ,  推論 ,  高密度 ,  クラウド ,  拡張 ,  剛体 ,  マルチ ,  ターゲット追跡