文献

J-GLOBAL ID：202102250937663191   整理番号：21A2527056

知的車両のための確率的および証拠的アプローチの組合せに基づくLiDARポイントクラウドの高速動きセグメンテーション【JST・京大機械翻訳】

Rapid Motion Segmentation of LiDAR Point Cloud Based on a Combination of Probabilistic and Evidential Approaches for Intelligent Vehicles

著者 (4件)： Jo Kichun (Department of Smart Vehicle Engineering, Konkuk University, Seoul 05029, Korea) ,  Lee Sumyeong (Department of Automotive Engineering, Hanyang University, Seoul 04763, Korea) ,  Kim Chansoo (Department of Automotive Engineering, Hanyang University, Seoul 04763, Korea) ,  Sunwoo Myoungho (Department of Automotive Engineering, Hanyang University, Seoul 04763, Korea)
資料名： Sensors (Web)  (Sensors (Web))
巻： 19  号： 19  ページ： 4116  発行年： 2019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： 光検出および測距(LiDAR)センサからの点雲は,環境物体検出および自動およびインテリジェント車両の分類のための,ますます重要な情報を示す。運転環境中のオブジェクトは,その動き特性に依存して,d_yn _i cまたはs t _i _cのいずれかとして分類できる。また,LiDAR点雲を,測定した物体の運動特性に基づいて,dy n m cとs t c点に分割した。ポイントクラウドの分割された動き情報は,自動化およびインテリジェント車両における様々な機能に対して有用である。本論文では,LiDARポイントクラウドをdy n m i cおよびs t cポイントに実時間で分割する高速運動セグメンテーションアルゴリズムを提案した。セグメンテーションアルゴリズムは,LiDARレーザビーム特性と連続LiDAR点雲の間の幾何学的関係に基づく最新の点雲の運動を分類する。測定不確実性を考慮して各LiDAR点の運動状態を正確かつ確実に推定するために,確率理論と証拠理論の両方をセグメンテーションアルゴリズムに用いた。確率的および証拠的アルゴリズムは,点雲を3つのクラスに区分する:d_yna_ic,s_t_ic,およびu_nk_now_n。LiDAR点雲が運動セグメンテーションに十分でないとき,ポイントはu_nknownクラスに配置される。点運動セグメンテーションアルゴリズムを,以前の動きセグメンテーション法との実験的比較を通して,定性的および定性的に評価した。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 ,  自動化 ,  *セグメンテーション ,  レーザビーム ,  確率論 ,  距離測定 ,  センサ ,  光検出
準シソーラス用語： 物体検出 ,  測定の不確かさ ,  証拠理論 ,  実時間 ,  *動きセグメンテーション ,  *インテリジェント・ビークル , 【Automatic Indexing@JST】

著者キーワード (5件)： LiDAR ,  レーザビームモデル ,  点運動分類 ,  Dempster-Sharfer理論 ,  インテリジェント車両

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  レーザの応用  (BD04100V)

引用文献 (17件)：

• Goodin, C.; Carruth, D.; Doude, M.; Hudson, C.; Goodin, C.; Carruth, D.; Doude, M.; Hudson, C. Predicting the Influence of Rain on LIDAR in ADAS. Electronics 2019, 8, 89.
• Takai, I.; Matsubara, H.; Soga, M.; Ohta, M.; Ogawa, M.; Yamashita, T.; Takai, I.; Matsubara, H.; Soga, M.; Ohta, M.; et al. Single-Photon Avalanche Diode with Enhanced NIR-Sensitivity for Automotive LIDAR Systems. Sensors 2016, 16, 459.
• Cui, T.; Ji, S.; Shan, J.; Gong, J.; Liu, K.; Cui, T.; Ji, S.; Shan, J.; Gong, J.; Liu, K. Line-Based Registration of Panoramic Images and LiDAR Point Clouds for Mobile Mapping. Sensors 2016, 17, 70.
• Im, J.H.; Im, S.H.; Jee, G.I.; Im, J.H.; Im, S.H.; Jee, G.I. Extended Line Map-Based Precise Vehicle Localization Using 3D LIDAR. Sensors 2018, 18, 3179.
• An, J.; Choi, B.; Sim, K.B.; Kim, E.; An, J.; Choi, B.; Sim, K.B.; Kim, E. Novel Intersection Type Recognition for Autonomous Vehicles Using a Multi-Layer Laser Scanner. Sensors 2016, 16, 1123.

タイトルに関連する用語 (7件)： 確率 ,  証拠 ,  組合せ ,  LIDAR ,  ポイント ,  クラウド ,  動きセグメンテーション