文献

J-GLOBAL ID：202102285873762703   整理番号：21A0671523

証拠占有マッピングのための事前としての深い逆センサモデル【JST・京大機械翻訳】

Deep Inverse Sensor Models as Priors for evidential Occupancy Mapping

著者 (3件)： Bauer Daniel (Ford Werke GmbH,Germany) ,  Kuhnert Lars (Ford Werke GmbH,Germany) ,  Eckstein Lutz (Institute of Automotive Engineering, RWTH Aachen University,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IROS  ページ： 6032-3067  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： 自律運転における最近のブーストにより,占有マッピングのための入力としてレーダに注意が払われてきた。それらの多くの利点の他に,レーダ検出に基づく占有空間の推論は,データスパース性と環境依存雑音(例えばマルチパス反射)のため,あまり困難であった。最近,深い学習ベースの逆センサモデルは,ここで,深いISMと呼ばれるが,占有情報[1],[2],[3]の検索において,それらの幾何学的対応物を改善することが示されている。それにもかかわらず,これらの方法は,測定の存在下で後に検証しなければならないデータ駆動補間を行う。本研究では,深いISMと幾何学的ISMを,明白な占有マッピングフレームワークに統合する新しいアプローチについて述べた。提案手法は,知覚場と収束速度を効果的に強化する幾何学的モデルに対して,まだ観察できないセルを初期化するために,データ駆動アプローチの能力の両方を利用するが,同時に,幾何学的ISMの精度を用いて,鋭い境界に収束する。さらに,幾何学的手法を用いて既に検証されている細胞から深いISMによって割り当てられる細胞を区別するために使用する収束の解析的証明とともに,深いISM推定の確実性に関する下限を定義した。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： *レーダ ,  学習 ,  内挿法
準シソーラス用語： スパース性 ,  収束速度 ,  多経路 ,  確実性 ,  データ駆動 ,  レーダ検出 , 【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 (3件)： 証拠 ,  マッピング ,  モデル