文献

J-GLOBAL ID：201602241493943712   整理番号：16A0728585

追跡関連における機械学習自律車両のためのステレオビジョンとライダー観測【Powered by NICT】

Machine learning in tracking associations with stereo vision and lidar observations for an autonomous vehicle

著者 (5件)： Allodi Marco (VisLab srl, c/o Dipartimento di Ingegneria dell’Informazione, Universita` degli Studi di Parma, Italy) ,  Broggi Alberto (VisLab srl, c/o Dipartimento di Ingegneria dell’Informazione, Universita` degli Studi di Parma, Italy) ,  Giaquinto Domenico (VisLab srl, c/o Dipartimento di Ingegneria dell’Informazione, Universita` degli Studi di Parma, Italy) ,  Patander Marco (VisLab srl, c/o Dipartimento di Ingegneria dell’Informazione, Universita` degli Studi di Parma, Italy) ,  Prioletti Antonio (VisLab srl, c/o Dipartimento di Ingegneria dell’Informazione, Universita` degli Studi di Parma, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IV  ページ： 648-653  発行年： 2016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： 障害物検出は,多くの道路安全応用のための現在使用されている,潜在的危険な状況における運転者の認識が増加している。信頼できるロバストな障害物検出を調べであり続けており,ゆるみ制約と多重同時使用例,特に困難なシナリオと一般的な場合における,未解決の課題のままである。本研究では,自動車を取り巻く環境を再構築することを可能にする障害物検出,追跡および融合アルゴリズムを提案した。検出に使用した手法を文献でよく知られているが,本報で導入した改善は,異種センサ観測のデータ結合と追跡アプローチを考えた。分類器に由来する関連コストに基づく革新的な多次元構造は全関連コストに関して結合問題に対する最適解を提供する。無香料Kalmanフィルタ(UKF)可変数の観察を,任意に構成可能な,組合せ追跡と融合課題に取り組む正確に可能にした。公開ベンチマークで得られた結果は,技術システムの状態に関して改善を示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *立体視 ,  ロバスト性 ,  再構成 ,  制約条件 ,  *機械学習 ,  情報公開 ,  高次元 ,  ベンチマーク ,  *LIDAR ,  拡張Kalmanフィルタ ,  最適解 ,  データ結合 ,  障害物検出 ,  *自律性
準シソーラス用語： *レーザレーダ ,  道路安全 , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  数値計算  (JE02000J)

タイトルに関連する用語 (6件)： 追跡 ,  機械学習 ,  自律 ,  ステレオビジョン ,  ライダー ,  観測