Pedestrian Behavior Maps for Safety Advisories: CHAMP Framework and Real-World Data Analysis

要約

タイトル：安全に向けた歩行者の行動マップ： CHAMPフレームワークと実世界データ解析

要約：

– 歩行者との衝突を防ぐことが、車両にとって重要である。
– 現在の歩行者衝突防止方法は、Visual Pedestrian DetectorにAutomatic Emergency Braking（AEB）システムを統合することに焦点を当てている。これによって、歩行者が車両の進路に入ると警告が発生し、ブレーキが自動的にアプリケーションされる。
– しかしながら、歩行者検出に基づくシステムは、夜間や歩行者が隠れている場合などの特定の状況で妨げられる可能性がある。
– 当システムは、再繰り返し位置の通過後、一般的な歩行者の位置が学習されるオンラインのマップベースの歩行者検出集約システムを用いて、これらの問題に対処する。
– La Jolla、CAで慎重に収集・注釈が付けられたデータセットを使用して、暗い照明や歩行者の隠れた状況などの課題にもかかわらず、システムが歩行者ゾーンを学習し、車両が歩行者に近づく際にアドバイスを生成することを示している。
– 正しいアドバイス、誤ったアドバイス、漏れたアドバイスの数を使用して、精度と再現性のパフォーマンスメトリックを定義し、システムを評価して、さらなるデータ収集による将来のポジティブな影響について議論している。
– 弊社は、https://github.com/s7desai/ped-mappingでコードを提供しており、CHAMPシステムのビデオデモンストレーションはhttps://youtu.be/dxeCrS_Gpkwでご覧いただけます。

要約(オリジナル)

It is critical for vehicles to prevent any collisions with pedestrians. Current methods for pedestrian collision prevention focus on integrating visual pedestrian detectors with Automatic Emergency Braking (AEB) systems which can trigger warnings and apply brakes as a pedestrian enters a vehicle’s path. Unfortunately, pedestrian-detection-based systems can be hindered in certain situations such as night-time or when pedestrians are occluded. Our system addresses such issues using an online, map-based pedestrian detection aggregation system where common pedestrian locations are learned after repeated passes of locations. Using a carefully collected and annotated dataset in La Jolla, CA, we demonstrate the system’s ability to learn pedestrian zones and generate advisory notices when a vehicle is approaching a pedestrian despite challenges like dark lighting or pedestrian occlusion. Using the number of correct advisories, false advisories, and missed advisories to define precision and recall performance metrics, we evaluate our system and discuss future positive effects with further data collection. We have made our code available at https://github.com/s7desai/ped-mapping, and a video demonstration of the CHAMP system at https://youtu.be/dxeCrS_Gpkw.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI