文献

J-GLOBAL ID：202002299494962907   整理番号：20A2589501

レーザレーダ点雲多重特徴抽出に基づく車両ターゲット認識アルゴリズム【JST・京大機械翻訳】

Vehicle target recognition algorithm based on multi-feature extraction of LiDAR point cloud

著者 (2件)： Li Xin (西安郵電大学通信与信息工程学院(人工智能学院),陜西西安710061) ,  Li Jingying (西安郵電大学通信与信息工程学院(人工智能学院),陜西西安710061)
資料名： Chuanganqi yu Wei Xitong  (Chuanganqi yu Wei Xitong)
巻： 39  号： 10  ページ： 138-141  発行年： 2020年 
JST資料番号： C3686A  ISSN： 1000-9787  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目標認識は,知的車両の知覚的周囲環境における知的走行を実現するための重要な技術であり,そして,高精度のターゲット認識アルゴリズムは,インテリジェント車両の安全運転のための保証を提供することができ,そして,3Dレーザレーダ点雲多重特徴抽出に基づく車両認識アルゴリズムを,提案した。抽出したレーザレーダデータの12次元特徴を分類装置と結合して,都市道路における車両目標を識別した。まず第一に,非地上レーザレーダの点雲をクラスタ化して,クラスタ化したクラスタごとの雲データを抽出して,12次元特徴を抽出した。次に,この12次元特徴に従って4つの分類装置を訓練した。最後に,KITTIデータセットを用いてシミュレーションを行い,4つの分類装置の性能と3つの異なる次元特徴(12次元,26次元,8次元特徴)を比較し,車両ターゲットの正確性を識別した。シミュレーション結果により,抽出した12次元特徴は,他の2つの次元のレーザレーダ特性と比較して,車両目標分類の精度を改善し,そして,ランダムフォレスト結合の認識精度は,他の分類法より優れていた。また、百度Apolloデータセットの道路シーンにおいても、このアルゴリズムの性能を検証し、その結果、車両識別の精度を満足できることが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  シミュレーション ,  分類装置 ,  道路 ,  *特徴抽出 ,  都市 ,  クラスタ化 ,  物体認識 ,  *多重化 ,  クラスタ ,  三次元 ,  走行 ,  *LIDAR
準シソーラス用語： *レーザレーダ ,  *認識アルゴリズム ,  ランダムフォレスト , 【Automatic Indexing@JST】

分類 (4件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  レーダ  (ND13010H)

タイトルに関連する用語 (6件)： レーザレーダ ,  点雲 ,  多重 ,  特徴抽出 ,  ターゲット ,  認識アルゴリズム