文献

J-GLOBAL ID：202102216579207551   整理番号：21A2571881

判別画像と動的距離閾値クラスタリングに基づく3D高速オブジェクト検出【JST・京大機械翻訳】

3D Fast Object Detection Based on Discriminant Images and Dynamic Distance Threshold Clustering

著者 (5件)： Chen Baifan (School of Automation, Central South University, Changsha 410083, China) ,  Chen Baifan (Hubei Key Laboratory of Intelligent Robot, Wuhan Institute of Technology, Wuhan 430073, China) ,  Chen Hong (School of Automation, Central South University, Changsha 410083, China) ,  Yuan Dian (School of Automation, Central South University, Changsha 410083, China) ,  Yu Lingli (School of Automation, Central South University, Changsha 410083, China)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 24  ページ： 7221  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 車両搭載ライダに基づく物体検出アルゴリズムは,自律車両に関する認識システムのキーコンポーネントである。それは,自律車両の安全運転のための高精度で非常にロバストな障害物情報を提供することができる。しかし,ほとんどのアルゴリズムは,しばしば大量の点雲データに基づいており,リアルタイム検出を困難にする。この問題を解決するために,3つの主なステップに基づく3D高速物体検出法を提案した:まず,判別画像による地上セグメンテーション(GSDI)法を用いて,点雲データを地上点セグメンテーションの判別画像に変換し,点雲データの直接計算を避け,地上点セグメンテーションの効率を改善した。第二に,画像検出器を用いて三次元物体の関心領域を生成し,探索範囲を効果的に狭めた。最後に,動的距離閾値クラスタ化(DDTC)方法を,点雲データの種々の密度のために設計し,そしてそれは,長距離物体の検出効果を改善し,そして,従来のアルゴリズムによって発生する過剰セグメンテーション現象を避けた。実験は,このアルゴリズムが高精度を維持しながら自律運転のリアルタイム要求を満たすことができることを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  LIDAR ,  セグメンテーション ,  *クラスタ化 ,  *三次元 ,  ロバスト性
準シソーラス用語： 自律性 ,  *物体検出 ,  高精度 ,  安全運転 ,  実時間 ,  長距離 ,  関心領域 ,  検出アルゴリズム ,  画像センシング , 【Automatic Indexing@JST】

著者キーワード (4件)： 車両搭載ライダー ,  判別画像 ,  関心領域 ,  動的距離閾値クラスタリング

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (25件)：

• Ren, S.; He, K.; Girshick, R.; Sun, J. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. IEEE Trans. Pattern Anal. Mach. Intell. 2015, 39, 91-99.
• Redmon, J.; Farhadi, A. Yolov3: An incremental improvement. In Proceedings of the Computer Vision and Pattern Recognition (CVPR), Salt Lake City, UT, USA, 18-22 June 2018; pp. 126-134.
• Sang, J.; Wu, Z.; Guo, P.; Hu, H.; Xiang, H.; Zhang, Q.; Cai, B. An Improved YOLOv2 for Vehicle Detection. Sensors 2018, 18, 4272.
• Cao, J.; Song, C.; Song, S.; Peng, S.; Wang, D.; Shao, Y.; Xiao, F. Front Vehicle Detection Algorithm for Smart Car Based on Improved SSD Model. Sensors 2020, 20, 4646.
• Geiger, A.; Lenz, P.; Urtasun, R. Are we ready for autonomous driving? The KITTI vision benchmark suite. In Proceedings of the Computer Vision and Pattern Recognition (CVPR), Providence, RI, USA, 16-21 June 2012; pp. 3354-3361.

タイトルに関連する用語 (5件)： 判別 ,  閾値 ,  クラスタリング ,  3D ,  オブジェクト検出