文献

J-GLOBAL ID：202202264058428996   整理番号：22A1104957

点雲データから作成された深さマップにおける人間検出【JST・京大機械翻訳】

Human Detection in the Depth Map Created from Point Cloud Data

著者 (2件)： Ligocki Adam (Faculty of Electrical Engineering and Communication, Brno University of Technology, Brno, Czechia) ,  Zalud Ludek (Faculty of Electrical Engineering and Communication, Brno University of Technology, Brno, Czechia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13207  ページ： 261-272  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,YOLOオブジェクト検出ニューラルネットワークアーキテクチャを用いたLiDARデータの人間検出を扱った。RGBベースの物体検出は,ニューラルネットワークと自律エージェントの分野で最も研究されたトピックである。しかし,これらのモデルは,訓練データがこれらの状況をカバーしないならば,天候や光条件の僅かな変化にも非常に敏感である。本論文では,自律エージェント周辺のオブジェクト検出の冗長で,より多くの条件不変ソースとして,LiDARデータの使用を提案した。晴天日と雨夜間のRGBカメラと3D LiDARセンサからのデータを同時に捕捉する公的に利用可能な実際の交通データセットを使用し,点雲の密度を増加させるために短期間のLiDARデータを集約した。その後,2D画像フレームにピンホールカメラモデル,円筒投影,および鳥ビュー投影のようないくつかの投影モデルによってこれらの点雲を投影し,すべての画像を注釈付けした。主な実験として,著者らは,日中に捕捉されたデータに関していくつかのYOLOv5ニューラルネットワークを訓練して,混合日と夜データに関するモデルを検証して,入力データの条件変化の間のロバスト性と情報利得を研究した。結果は,LiDARベースのモデルが,RGBベースのモデルより,変化した気象条件において,著しく良い性能を提供することを示した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 冗長性 ,  *ニューラルネットワーク ,  画像 ,  *物体認識 ,  モデル ,  二次元 ,  三次元 ,  ピンホールカメラ ,  ロバスト性
準シソーラス用語： 訓練データ ,  物体検出 ,  天候 ,  画像フレーム ,  *奥行きマップ ,  *人間検出 ,  LIDARデータ , 【Automatic Indexing@JST】

著者キーワード (8件)： LiDARデータ ,  RGBカメラ ,  ポイントクラウド ,  投影 ,  ヨーグルト ,  オブジェクト検出 ,  ニューラルネットワーク ,  DCNN

分類 (3件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 点雲 ,  深さマップ ,  人間検出