文献

J-GLOBAL ID：202202231368055060   整理番号：22A0630588

MLS点群からのロバストな車線抽出 特に曲線道路におけるHDマップ【JST・京大機械翻訳】

Robust Lane Extraction From MLS Point Clouds Towards HD Maps Especially in Curve Road

著者 (9件)： Ye Chengming (Key Laboratory of Earth Exploration and Information Technology of Ministry of Education, Chengdu University of Technology, Chengdu, China) ,  Zhao He (Department of Geography and Environmental Management, University of Waterloo, Waterloo, Canada) ,  Ma Lingfei (Department of Geography and Environmental Management, University of Waterloo, Waterloo, Canada) ,  Jiang Han (Department of Geography and Environmental Management, University of Waterloo, Waterloo, Canada) ,  Li Hongfu (Key Laboratory of Earth Exploration and Information Technology of Ministry of Education, Chengdu University of Technology, Chengdu, China) ,  Wang Ruisheng (Department of Geomatics Engineering, University of Calgary, Calgary, Canada) ,  Chapman Michael A. (Department of Civil Engineering, Ryerson University, Toronto, Canada) ,  Junior Jose Marcato (Faculty of Engineering, Architecture and Urbanism and Geography, Federal University of Mato Grosso do Sul, Campo Grande, Brazil) ,  Li Jonathan (Department of Geography and Environmental Management, University of Waterloo, Waterloo, Canada)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 23  号： 2  ページ： 1505-1518  発行年： 2022年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
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： 本論文では,移動レーザ走査(MLS)点雲から曲がった道路に沿った車線特徴を抽出するための半自動化法を提案した。提案方法は4つのステップから成る。データ前処理の後,道路端部検出アルゴリズムを実行して,道路曲面を区別して,道路表面を抽出した。次に,必要な事例で運転者を知らせるために,こと,記号,および単語のようなテキストと方向道路標識を,強度閾値化と条件付きユークリッドクラスタリングアルゴリズムによって検出する。さらに,道路に沿ってより規則的であるので,道路設計基準に従って,車線標識を局所強度解析と距離閾値化法によって抽出した。最後に,車線上の中心線点を,抽出した車線標識の座標に基づいて推定した。著者らの方法は,曲線におけるブロックの数および曲がった車線中心線抽出における距離閾値制御を増加させることによって,MLSデータから高い定義(HD)マップを作成するとき,強い実現可能性およびロバスト性を示した。定量的評価は,道路標識抽出のための4つのデータセットから得た平均再現率,精度,およびF1スコアが,それぞれ93.87%,93.76%,および93.73%であることを示した。生成された車線中心線は,4cmの分解能のオルソ画像から手動でラベルされた参照バッファにそれらを重ね合わせることによって評価される。比較研究は,提案した方式が,ほとんどの最先端の方法より高い精度とロバスト性を達成できることを示した。Copyright 2022 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： 制御 ,  運転者 ,  *道路 ,  道路標識 ,  路面 ,  分解能 ,  精度 ,  *点群 ,  *車線 ,  画像 ,  単語 ,  *ロバスト性 ,  *曲線道路
準シソーラス用語： オルソ画像 ,  検出アルゴリズム ,  レーザ走査 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： MLS ,  ロバスト ,  車線 ,  曲線道路 ,  HD ,  マップ