Visual Trajectory Prediction of Vessels for Inland Navigation

要約

内陸航法の将来は、自律システムとリモート操作にますます依存しており、正確な船舶軌道予測の必要性を強調しています。
この研究では、高度なオブジェクト検出方法、カルマンフィルター、およびスプラインベースの補間を統合することにより、ビデオベースの船舶追跡と予測の課題に対処します。
ただし、既存の検出システムは、複雑な環境のために内陸の水路のオブジェクトを誤分類することがよくあります。
ボットソート、ディープオックソート、バイエトラックを含む追跡アルゴリズムの比較評価は、スムーズな軌跡を提供するカルマンフィルターの堅牢性を強調しています。
多様なシナリオからの実験結果は、衝突回避と状況認識に不可欠な容器の動きの予測の精度の向上を示しています。
調査結果は、内陸ナビゲーション用のカスタマイズされたデータセットとモデルの必要性を強調しています。
将来の作業では、データセットを拡張し、容器分類を組み込んで予測を改善し、複雑な環境で自律システムと人間のオペレーターの両方をサポートします。

要約(オリジナル)

The future of inland navigation increasingly relies on autonomous systems and remote operations, emphasizing the need for accurate vessel trajectory prediction. This study addresses the challenges of video-based vessel tracking and prediction by integrating advanced object detection methods, Kalman filters, and spline-based interpolation. However, existing detection systems often misclassify objects in inland waterways due to complex surroundings. A comparative evaluation of tracking algorithms, including BoT-SORT, Deep OC-SORT, and ByeTrack, highlights the robustness of the Kalman filter in providing smoothed trajectories. Experimental results from diverse scenarios demonstrate improved accuracy in predicting vessel movements, which is essential for collision avoidance and situational awareness. The findings underline the necessity of customized datasets and models for inland navigation. Future work will expand the datasets and incorporate vessel classification to refine predictions, supporting both autonomous systems and human operators in complex environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google