文献

J-GLOBAL ID：202202231239820682   整理番号：22A0841739

Darwin-op2ロボットのためのPolyLaneNetに基づく不連続軌道認識システム【JST・京大機械翻訳】

Discontinuous Track Recognition System Based on PolyLaneNet for Darwin-op2 Robot

著者 (7件)： Wu Xi-Bao (School of Automation, Beijing Information Science and Technology University, Beijing, China) ,  Lv Si-Chuan (School of Automation, Beijing Information Science and Technology University, Beijing, China) ,  Wang Xiao-Hao (School of Automation, Beijing Information Science and Technology University, Beijing, China) ,  Zhang Shi-Zhuo (School of Automation, Beijing Information Science and Technology University, Beijing, China) ,  Liu Qiong (School of Automation, Beijing Information Science and Technology University, Beijing, China) ,  Wang Yi-Qun (School of Automation, Beijing Information Science and Technology University, Beijing, China) ,  Chen Wen-bai (School of Automation, Beijing Information Science and Technology University, Beijing, China)
資料名： Computational Intelligence and Neuroscience (Web)  (Computational Intelligence and Neuroscience (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7694A  ISSN： 1687-5265  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文は,車線検出問題とヒューマノイドロボットのトラック認識問題を結合することによって,単一ライン不連続トラック認識システムを提案して実証した。提案は,ロボットが単一線不連続トラック上で安定な走行を実現することを可能にする。システムは2つの部分:ロボットエンドとグラフィックスコンピューティングエンドから成る。ロボットエンドはトラック情報を収集することの原因となり,グラフィックスコンピューティングエンドは高性能コンピューティングの原因となる。これらの2つの部分は通信のためにTCPを使用する。グラフィックコンピューティング側は,データセットとしてdarwin-op2ロボットの最初の展望から捕捉された追跡画像を訓練するために,PolyLaneNet車線検出アルゴリズムを使用する。推論において,ロボットエンドは,収集したトラッキング画像をグラフィックス計算エンドに送って,計算を加速するためにグラフィックスプロセッサを使用する。運動ベクトルを得た後に,それをロボット端部に戻した。ロボットは,ロボットが単一線不連続軌道上で安定した走行を達成できるように,ロボットの運動情報を得るために運動ベクトルを終えた。提案したシステムは,ロボットの最初の透視画像の直接認識を実現して,劣った安定性の問題,曲線と不連続線の同定不能性,および従来の線検出法における他の問題を避ける。同時に,このシステムは,PC側面に関する高い計算要求によってアルゴリズムを展開することによって,PC側面とロボットの間の協同的作業の方法を採用した。データ伝送は,安定したTCP通信によって実行して,それは深い学習関連アルゴリズムを使用するために弱い計算制御装置を備えたロボットのためにそれを可能にした。また,類似した低計算ロボットに関する深層学習関連アルゴリズムを展開するためのアイデアと解決策を提供した。Copyright 2022 Xi-Bao Wu et al. 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 ,  ベクトル ,  学習 ,  システム ,  *ロボット ,  追跡 ,  計算制御 ,  画像 ,  検出法 ,  通信 ,  *不連続性 ,  機械学習
準シソーラス用語： データ伝送 ,  GPU【プロセッサ】 ,  検出アルゴリズム ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： ロボットの設計・製造・構造要素  (IC04013A)

引用文献 (20件)：

• B. Yu, A. K. Jain, "Lane boundary detection using a multiresolution Hough transform," Proceedings of International Conference on Image Processing, vol. 2, pp. 748-751, 1997.
• S. Y. Win, H. H. Lwin, "Lane boundaries detection algorithm based on retinex with line segments angles computation," Proceedings of the 2018 18th International Symposium on Communications and Information Technologies (ISCIT), pp. 160-164, Bangkok, Thailand, September 2018.
• L. Tabelini, R. Berriel, T. M. Paixo, C. Badue, A. F. De Souza, T. Oliveira-Santos, "Keep your eyes on the lane: real-time attention-guided lane detection," 2020, https://arxiv.org/abs/2010.12035.
• Z. Qin, H. Wang, X. Li, Ultra Fast Structure-Aware Deep Lane Detection, Springer, Cham, Berlin, Germany, 2020.
• S. Yoo, H. Lee, H. Myeong, S. Yun, H. Park, J. Cho, D. H. Kim, "End-to-End lane marker detection via row-wise classification," 2020, https://arxiv.org/abs/2005.08630.

タイトルに関連する用語 (4件)： Darwin ,  ロボット ,  不連続 ,  軌道