Kernkonzepte
多モーダルセンサデータ(RGB、サーマル、LiDARリフレクタンス)を使用して、道路表面のグリップを密に予測するモデルを提案する。
Zusammenfassung
本研究では、自動運転車のための道路表面グリップマップの密な予測手法を提案している。
自動運転車にとって、滑りやすい道路状況を事前に検知することは重要だが、従来の手法では限界があった。
本研究では、RGB カメラ、サーマルカメラ、LiDARリフレクタンスの3つのモーダルを組み合わせた畳み込みニューラルネットワークモデルを開発した。
道路気象センサからの疎な地上真値データを使って、モデルを弱教師あり学習させた。
実験の結果、複数のモーダルを組み合わせることで、単一のモーダルを使うよりも高精度な道路グリップ予測が可能であることが示された。
特に、RGB カメラとLiDARリフレクタンスの組み合わせが最も良い結果を示した。
定量的な評価だけでなく、定性的な分析からも、提案手法が雪や氷などの道路状況を適切に捉えられることが確認された。
Statistiken
乾燥した道路のグリップ値は0.82
雪が積もった道路のグリップ値は0.35
氷が張った道路のグリップ値は0.1
水たまりのある湿った道路のグリップ値は0.8未満
Zitate
"Slippery road weather conditions are prevalent in many re-
gions and cause a regular risk for traffic."
"Besides low visibility, significant challenges posed by winter conditions
are changes in road surface slipperiness."