Abstract:Vision-based research for

Abstract:
Vision-based research for intelligent vehicles have traditionally focused on specific regions around a vehicle, such as a front looking camera for e.g. lane estimation. Traffic scenes are complex and vital information could be lost in unobserved regions. This paper proposes a framework that uses four visual sensors for a full surround view of a vehicle in order to achieve an understanding of surrounding vehicle behaviors. The framework will assist the analysis of naturalistic driving studies (NDSs) by automating the task of data reduction of the observed trajectories. To this end, trajectories are estimated using a vehicle detector together with a multi-perspective optimized tracker in each view. The trajectories are transformed to a common ground plane, where they are associated between perspectives and analyzed to reveal tendencies around the ego-vehicle. The system is tested on sequences from 2.5 hours of drive on U.S. highways. The multi-perspective tracker is tested in each view as well as for the ability to associate vehicles between views with a 92% recall score. A case study of vehicles approaching from the rear shows certain patterns in behavior that could potentially influence the ego-vehicle.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อ:ตามวิสัยทัศน์การวิจัยรถยนต์อัจฉริยะมีประเพณีเน้นเฉพาะภูมิภาคทั่วรถ แผนกต้อนรับมีกำลัง สำหรับการประเมินเช่นเลน ฉากการจราจรมีความซับซ้อน และข้อมูลที่สำคัญอาจสูญหายในภูมิภาค unobserved กระดาษนี้เสนอ framework ที่ใช้เซ็นเซอร์ภาพที่สี่สำหรับมุมมองรอบทิศทางเต็มรูปแบบของรถเพื่อให้เกิดความเข้าใจโดยรอบลักษณะการทำงานของยานพาหนะ กรอบการทำงานจะช่วยวิเคราะห์ความเป็นธรรมชาติหรือในเชิงศึกษาขับ (NDSs) ด้วยการทำงานของระบบลดข้อมูลของไบร์ทสังเกต ด้วยเหตุนี้ วิถีจะประเมินโดยใช้เครื่องตรวจจับยานพาหนะร่วมกับการติดตามที่เหมาะสมหลายทัศนมิติในแต่ละมุมมอง ไบร์ทกลายกับดินทั่วไป ที่พวกเขาเชื่อมโยงระหว่างมุมมอง และวิเคราะห์เพื่อแสดงแนวโน้มรอบอาตมายานพาหนะ มีทดสอบระบบอยู่ลำดับจาก 2.5 ชั่วโมงของไดรฟ์บนทางหลวงของสหรัฐอเมริกา มีทดสอบติดตามหลายทัศนมิติในแต่ละมุมมองเช่นกันเช่นความสามารถในการเชื่อมโยงระหว่างมุมมองมีคะแนน 92% เรียกคืนรถ กรณีศึกษาของยานพาหนะที่เข้ามาใกล้จากด้านหลังแสดงบางรูปแบบในการทำงานที่อาจมีอิทธิพลต่ออาตมายานพาหนะ

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ:
การวิจัยวิสัยทัศน์ที่ใช้สำหรับการสร้างรถอัจฉริยะได้มุ่งเน้นแบบดั้งเดิมในพื้นที่เฉพาะรอบ ๆ ยานพาหนะเช่นหน้ามองกล้องสำหรับการประมาณเช่นเลน ฉากการจราจรเป็นข้อมูลที่ซับซ้อนและที่สำคัญอาจจะหายไปในภูมิภาคไม่มีใครสังเกต กระดาษนี้นำเสนอกรอบที่ใช้สี่เซ็นเซอร์ภาพสำหรับมุมมองรอบทิศทางเต็มรูปแบบของรถเพื่อให้บรรลุความเข้าใจในพฤติกรรมของยานพาหนะโดยรอบต่อ A กรอบจะช่วยวิเคราะห์การศึกษาขับรถยึด (NDSs) โดยอัตโนมัติงานของการลดข้อมูลของลูกทีมที่สังเกตได้ ด้วยเหตุนี้ไบร์ทอยู่ที่ประมาณโดยใช้เครื่องตรวจจับยานพาหนะพร้อมกับติดตามหลายมุมมองที่ดีที่สุดในแต่ละมุมมอง ไบร์ทมีการเปลี่ยนเครื่องบินพื้นดินทั่วไปที่พวกเขามีความสัมพันธ์ระหว่างมุมมองและการวิเคราะห์ที่จะเปิดเผยแนวโน้มรอบอัตตายานพาหนะ ระบบถูกทดสอบในลำดับจาก 2.5 ชั่วโมงของไดรฟ์บนทางหลวงสหรัฐ ติดตามหลายมุมมองที่มีการทดสอบในแต่ละมุมมองเช่นเดียวกับความสามารถในการเชื่อมโยงยานพาหนะระหว่างมุมมองที่มีคะแนนการเรียกคืน 92% กรณีศึกษาของยานพาหนะใกล้เข้ามาจากด้านหลังแสดงให้เห็นรูปแบบบางอย่างในพฤติกรรมที่อาจมีผลต่ออัตตายานพาหนะ

ผลลัพธ์ (ไทย) 3:

บทคัดย่อ :วิสัยทัศน์การวิจัยเชิงสําหรับรถฉลาดต้องพิจารณาเรื่องพื้นที่เฉพาะรอบรถ เช่นหน้ามองกล้อง เช่น เลน ประมาณ ฉากที่การจราจรมีความซับซ้อนและอาจจะสูญเสียข้อมูลสำคัญในภูมิภาค unobserved . บทความนี้เสนอกรอบที่ใช้สี่ตัวล้อมรอบ วิว ภาพเต็มของรถเพื่อให้เข้าใจพฤติกรรมของรอบรถ กรอบจะช่วยให้วิเคราะห์การขับขี่การศึกษาทางธรรมชาติ ( ndss ) โดยอัตโนมัติงานลดข้อมูลที่สังเกตวิถี . ทั้งนี้ คาดว่าการใช้วิถีรถตรวจจับร่วมกับหลายติดตามมุมมองที่ดีที่สุดในแต่ละมุมมอง วิถีที่เปลี่ยนไปเครื่องบินพื้นดินทั่วไปที่พวกเขาจะเชื่อมโยงระหว่างมุมมองและวิเคราะห์เพื่อเปิดเผยแนวโน้มรอบตัวรถ ระบบทดสอบในลำดับจาก 2.5 ชั่วโมงขับรถบนทางหลวงสหรัฐ ติดตามหลายมุมมองถูกทดสอบในแต่ละมุมมองเช่นเดียวกับความสามารถที่จะเชื่อมโยงยานพาหนะระหว่างมุมมองด้วยคะแนนเรียกคืน 92% กรณีศึกษาของยานพาหนะใกล้จากด้านหลังแสดงบางรูปแบบพฤติกรรมที่อาจมีอิทธิพลต่อความเป็นรถ