TLD-READY: Traffic Light Detection — Relevance Estimation and Deployment Analysis

要約

効果的な信号機の検出は、自動運転車の認識スタックの重要なコンポーネントです。
この研究では、以前の研究の課題に対処しながら、新しいディープラーニング検出システムを導入しています。
Bosch 小型信号機データセット、LISA、DriveU 信号機データセット、カールスルーエ独自のデータセットを含む包括的なデータセットの統合を利用して、さまざまなシナリオにわたる堅牢な評価を保証します。
さらに、道路上の方向矢印マークを革新的に利用し、事前の地図作成を不要にする関連性推定システムを提案します。
DriveU データセットでは、このアプローチにより関連性推定の精度は 96% になります。
最後に、これらのモデルの展開および一般化能力を評価するために、実際の評価が実行されます。
再現性を高め、さらなる研究を容易にするために、モデルの重みとコードを提供します: https://github.com/KASTEL-MobilityLab/traffic-light-detection。

要約(オリジナル)

Effective traffic light detection is a critical component of the perception stack in autonomous vehicles. This work introduces a novel deep-learning detection system while addressing the challenges of previous work. Utilizing a comprehensive dataset amalgamation, including the Bosch Small Traffic Lights Dataset, LISA, the DriveU Traffic Light Dataset, and a proprietary dataset from Karlsruhe, we ensure a robust evaluation across varied scenarios. Furthermore, we propose a relevance estimation system that innovatively uses directional arrow markings on the road, eliminating the need for prior map creation. On the DriveU dataset, this approach results in 96% accuracy in relevance estimation. Finally, a real-world evaluation is performed to evaluate the deployment and generalizing abilities of these models. For reproducibility and to facilitate further research, we provide the model weights and code: https://github.com/KASTEL-MobilityLab/traffic-light-detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google