文献

J-GLOBAL ID：202102278401801687   整理番号：21A0007307

カメラ画像からポイントクラウドBEVへのラベル伝搬【JST・京大機械翻訳】

Label Propagation from camera image to point cloud BEV

著者 (4件)： Zhang Yin (Shijiazhuang Campus of Army Engineering University,Department of vehicle and Electrical Engineer,Shijiazhuang,China) ,  Kong Guojie (Beijing Special Vehicle Institute,Beijing,China) ,  Ren Guoquan (Shijiazhuang Campus of Army Engineering University,Department of vehicle and Electrical Engineer,Shijiazhuang,China) ,  Xie Hui (Shijiazhuang Campus of Army Engineering University,Department of vehicle and Electrical Engineer,Shijiazhuang,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVIDL  ページ： 34-38  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： 深層学習法に基づく道路検出は,3D Lidarデータを用いた無人運転分野における重要なタスクである。深層学習(DL)法は,DLモデルを訓練するために十分なデータを必要とする。KITTIデータセットにおいて,それは道路検出のための十分な3dライダーとカメラ画像データを提供するが,それはカメラ画像において手動アノテーションだけを作った。本論文では,カメラ画像からの道路領域ラベルの新しいラベル伝搬アルゴリズムを,点雲鳥のアイビュー(BEV)として提示した3Dライダーデータに導入した。最初に,3Dライダーデータを点雲BEVに変換する方法を紹介した。次に,ポイントクラウドにおけるラベルを得るために,道路ラベルによってカメラ画像上にポイントクラウドを計画して,ポイントクラウドBEVに関してラベルを示した。しかし,いくつかの複雑な道路場面において,幾何学的空間マッピングに基づくラベル伝搬は,矛盾したラベルを引き起こすかもしれない。最後に,最適化のために完全接続条件付きランダム場(CRF)を用いて,プレフェクトラベル伝搬結果を得る。ラベル伝搬アルゴリズムの有効性を検証するために,最適化前後のラベル伝搬結果を用いて,完全畳込みネットワークに基づく道路検出モデルを訓練し,その性能を比較し解析した。CRF最適化ラベルデータを用いた道路検出の精度結果は,最適化データのないものより1.5%高かった。Copyright 2021 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： アルゴリズム ,  最適化 ,  畳込み ,  ネットワーク ,  道路 ,  *写真像 ,  三次元 ,  アノテーション ,  LIDAR
準シソーラス用語： レーザレーダ ,  確率場 ,  無人運転 ,  空間マッピング ,  *ラベル伝搬 ,  LIDARデータ ,  深層学習 , 【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 (5件)： カメラ画像 ,  ポイント ,  クラウド ,  BEV ,  ラベル伝搬