ログインしてください

文献・情報検索システム

日本語

ENGLISH

ヘルプ

ログインしてください

  • 詳細情報

KDepthNet: Mono-Camera Based Depth Estimation for Autonomous Driving

書誌事項

著者(英)1) Niloofar Tavakolian, 2) Pedram Fekri, 3) Mehrdad Zadeh, 4) Javad Dargahi
勤務先(英)1) Shiraz University, 2) Concordia University, 3) Kettering University, 4) Concordia University
抄録(英)Object avoidance for autonomous driving is a vital factor in safe driving. When a vehicle travels from any random start places to any target positions in the milieu, an appropriate route must prevent static and moving obstacles. Having the accurate depth of each barrier in the scene can contribute to obstacle prevention. In recent years, precise depth estimation systems can be attributed to notable advances in Deep Neural Networks and hardware facilities/equipment. Several depth estimation methods for autonomous vehicles usually utilize lasers, structured light, and other reflections on the object surface to capture depth point clouds, complete surface modeling, and estimate scene depth maps. However, estimating precise depth maps is still challenging due to the computational complexity and time-consuming process issues. On the contrary, image-based depth estimation approaches have recently come to attention and can be applied for a broad range of applications. A vast majority of camera depth estimation methods intend to determine the depth map of the whole input image using binocular cameras or a 3D camera, which is time-consuming too. In this paper, a novel approach is proposed that predicts the depth of the head obstacle using only a 2D mono camera. The bounding boxes of barriers are extracted through a deep neural network at the first stage. Rather than those methods, which calculate the depth map of the entire image pixels, in this paper, the average depth of each bounding box is calculated and assigned as labels. Then labels and feature vectors (four values of the bounding box) are set as input data of the proposed method. This network maps feature vectors of the previous stage to the estimated depth values. The results suggest that the model can reasonably predict the depths of obstacles on the Kitti dataset.

翻訳

検索について

閉じる

検索ボックスの使い方

検索条件は最大5件まで入力可能です。検索ボックスの数は右側の「+」「−」ボタンで増減させることができます。
一つの検索ボックス内に、複数の語句をスペース(全角/半角)区切りで入力した場合、入力した語句の“すべてを含む”データが検索されます(AND検索)。
例)X(スペース)Y →「XかつY(を含む)」

「AND」「OR」プルダウンの使い方

「AND」を指定すると、前後の検索ボックスに入力された語句の“双方を含む”データが検索されます。また、「OR」を指定すると、前後の検索ボックスに入力された語句の“いずれかを含む”データが検索されます。
例)X AND Y →「XかつY(を含む)」  X OR Z →「XまたはZ(を含む)」
AND検索とOR検索が混在する場合は、OR検索が優先されます。
例)X AND Y OR Z → X AND (Y OR Z)
AND検索と複数のOR検索が混在する場合も、OR検索が優先されます。
例)W AND X OR Y OR Z → W AND (X OR Y OR Z)

検索フィルタの使い方

検索結果の件数が多すぎる場合など、さらに絞り込みしたいときに「検索フィルタ」を使います。各項目にチェックを入れると、その項目が含まれるデータのみに検索結果が絞り込まれます。
各項目後ろの「()」内の数字は、その項目が含まれるデータの件数です。

検索のコツ

著者名で検索するときは、「自動車 太郎」のように、姓名をスペースで区切って入力してください。