Threat Detection In Self-Driving Vehicles Using Computer Vision

要約

路上障害物検知は、インテリジェント交通インフラシステムの範囲に含まれる重要な研究分野である。ビジョンベースのアプローチを使用することで、このようなシステムに対して正確でコスト効率の良いソリューションがもたらされる。この研究論文では、ダッシュカム映像を用いた自律型自動運転車の脅威検出メカニズムを提案し、視覚範囲内にある道路上の不要な障害物の存在を確認する。本提案では、ダッシュカム映像を用いた脅威検知の仕組みを提案し、視覚範囲内にある不要な障害物の存在を確認することで、安全な経路を走行するためのプログラムを支援する。具体的には、対象物を識別するYOLO、高度な車線検出アルゴリズム、カメラからの対象物の距離を計測する重回帰モデル、安全性を計測する2秒ルール、速度制限の4つの要素で構成されています。また、モデルの精度を計算するために、Car Crash Dataset(CCD)を使用しました。YOLOアルゴリズムでは、約93%の精度が得られています。提案する脅威検知モデル(TDM)の最終的な精度は82.65%である。

要約(オリジナル)

On-road obstacle detection is an important field of research that falls in the scope of intelligent transportation infrastructure systems. The use of vision-based approaches results in an accurate and cost-effective solution to such systems. In this research paper, we propose a threat detection mechanism for autonomous self-driving cars using dashcam videos to ensure the presence of any unwanted obstacle on the road that falls within its visual range. This information can assist the vehicle’s program to en route safely. There are four major components, namely, YOLO to identify the objects, advanced lane detection algorithm, multi regression model to measure the distance of the object from the camera, the two-second rule for measuring the safety, and limiting speed. In addition, we have used the Car Crash Dataset(CCD) for calculating the accuracy of the model. The YOLO algorithm gives an accuracy of around 93%. The final accuracy of our proposed Threat Detection Model (TDM) is 82.65%.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL