An intelligent modular real-time vision-based system for environment perception

要約

運転上の危険のかなりの部分は、人的ミスと地域の運転規制の無視によって引き起こされます。
したがって、インテリジェントな支援システムは有益です。
この論文では、環境を知覚することでドライバーの安全を確保するための新しい視覚ベースのモジュラー パッケージを提案します。
各モジュールは、精度と推論時間に基づいて設計されており、リアルタイムのパフォーマンスを提供します。
その結果、提案されたシステムは、最小限のハードウェア要件で幅広い車両に実装できます。
当社のモジュラー パッケージは、レーン検出、オブジェクト検出、セグメンテーション、単眼深度推定の 4 つの主要なセクションで構成されています。
各セクションには、システム全体とともに他のセクションの精度を向上させるための新しい技術が付随しています。
さらに、認識された情報をドライバーに表示するための GUI が開発されています。
BDD100K などの公開データセットの使用に加えて、システムの微調整と評価に使用するローカル データセットも収集して注釈を付けました。
システムの精度がすべてのセクションで 80% を超えていることを示しています。
私たちのコードとデータは、https://github.com/Pandas-Team/Autonomous-Vehicle-Environment-Perception で入手できます。

要約(オリジナル)

A significant portion of driving hazards is caused by human error and disregard for local driving regulations; Consequently, an intelligent assistance system can be beneficial. This paper proposes a novel vision-based modular package to ensure drivers’ safety by perceiving the environment. Each module is designed based on accuracy and inference time to deliver real-time performance. As a result, the proposed system can be implemented on a wide range of vehicles with minimum hardware requirements. Our modular package comprises four main sections: lane detection, object detection, segmentation, and monocular depth estimation. Each section is accompanied by novel techniques to improve the accuracy of others along with the entire system. Furthermore, a GUI is developed to display perceived information to the driver. In addition to using public datasets, like BDD100K, we have also collected and annotated a local dataset that we utilize to fine-tune and evaluate our system. We show that the accuracy of our system is above 80% in all the sections. Our code and data are available at https://github.com/Pandas-Team/Autonomous-Vehicle-Environment-Perception

arxiv情報

提供元, 利用サービス

arxiv.jp, Google