リアルタイムのビジュアルメタデータの抽出と共有のためのスマート車両カメラの設計と実装

自動運転車とADAS機能に関する非常に興味深い研究記事

ここのチームは、非常に手頃で強力なOdroid-XU(オクタコアアームボード)と、CANトランシーバーとSTM32F103マイクロコントローラーを使用して構築されたOBDスキャナーを使用しました。

彼らのアプローチはここで説明されています:

GoogleやAppleなどのIT企業は、BMW、WV、メルセデスベンツなどの自動車メーカーとともに、自動運転とドライバー支援技術を研究しています。 Mobileye [4] ADASは、コンピュータービジョンアルゴリズムと独自のハードウェアデバイスを使用して、他のタイプのセンサーベースのADASよりも多くの情報を提供します。画像処理ベースのADASでは、フロントとリア車車間無線通信については、無線センサーネットワークとアドホックネットワーク[5]に基づく研究が進行中です。さらに、IEEE 802.11p WAVE [6]は、V2X通信のPHYおよびMAC層を定義する関連規格です。ただし、アドホックネットワークを適用することは困難です。そのようなネットワークは、ネットワークデバイスとインフラストラクチャの高い浸透を必要とするためです。この問題を解決するために、モバイルセルラーネットワークを使用することができます。モバイルネットワークの使用は有料で制限されていますが、ドライバーのスマートフォンを介してそのようなネットワークを使用することは可能です。モバイルセルラーネットワークを使用する場合、データ送信を最小限に抑えるためにメタデータ抽出技術が必要です。ビジュアルデータの場合、入力画像を分析するビジュアルメタデータが抽出されます。センサーデータについては、さまざまなセンサーから特定の情報が抽出されます。したがって、メタデータを抽出すると、データサイズが最小限に抑えられます。画像分析は、コンピュータビジョンアルゴリズムを使用して実行されます[7]。このようなアルゴリズムは、フレーム内の学習データに基づいて特定のパターンを見つけます。画像解析に使用されるアルゴリズムは、さまざまなマスクフィルターを適用して順次検索するため、大量の計算能力を必要とします。画像処理には、高性能プロセッサを採用し、ROIを低減して処理速度を向上させました。この論文では、視覚メタデータをリアルタイムで抽出して共有するためのコンピュータビジョンベースのスマート車両カメラを設計および実装しました。スマートビークルカメラは、入力画像を分析するためにさまざまなタイプの視覚メタデータを抽出し、ネットワークを介してメタデータを共有します。また、計算負荷を最小限に抑えるためのD-ROI手法と、認識率を高めるためのパターンチェック手法を提案します。情報共有用のメインサーバーとリアルタイムのロードビューサービスを開発しました。最後に、スマートビークルカメラデバイスの実装を評価し、その画像処理速度と認識率を確認しました。

これがオープンソースであり、オープンソースの自動運転車開発のための非常に価値のあるデータセットを収集するために使用できれば素晴らしいと思います。

こちらの記事をお読みください。

オープンソースの自動運転車(SDC)の開発に参加するには、他のSDCの記事を確認し、MediumとTwitterの@gtaroboticsで私の旅をたどってください

詳細はこちらをご覧ください:

将来の自動運転車の形成にご参加ください