抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】