Monocular Camera based Computer Vision System for Cost Effective Autonomous Vehicle

Pidurkar, Ashish K.; Sadakale, Ranjit; Prakash, Amlan

doi:10.1109/icccnt45670.2019.8944496

Cited by 5 publications

(2 citation statements)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pada saat kendaraan otonom berjalan dibutuhkan perangkat atau instrumen yang mampu memetakan atau merekam kondisi lingkungan sehingga dapat dilakukan ekstraksi informasi tersebut. Pada penelitian terdahulu dilakukan studi terkait penggunaan instrumen Light Detection and Ranging (LiDAR) oleh Royo dan Ballesta-Garcia [2], pengajuan penggunaan Radio Detection and Ranging (RADAR) oleh Bilik et al [3] dan Roos et al [4], penggunaan sensor ultrasonik oleh Xu dan Yan [5], dan kamera dilengkapi visi komputer oleh Pidurkar et al [6]. Namun saat ini penggunaan LiDAR mendominasi sebagai perangkat yang dipilih, karena kelebihannya dari segi presisi, akurasi, dan kemampuan merekam ruang 3D dari lingkungan.…”

Section: Pendahuluanunclassified

Analisis Metoda Estimasi Peta Kedalaman Dari Citra RGB 2D Untuk Penerapan Teknik Persepsi Pada Kendaraan Otonom

Setiaji

Miransyahputra

Nazaruddin

2021

joki

View full text Add to dashboard Cite

Seiring berjalannya perkembangan teknologi kendaraan otonom, dilakukan berbagai usaha untuk dapat menciptakan metode pengolahan data sebagai masukkan pada sistem kontrolnya. Salah satunya adalah pengembangan metode pada sistem persepsi visual, yaitu estimasi peta kedalaman dari pengolahan citra RGB 2D. Metode ini dikembangkan untuk dapat memperkuat penggunaan kamera 2D yang tidak mampu memberikan informasi ruang 3D dari lingkungan layaknya LiDAR, Radar, atau teknik ultrasonik. Metode yang akan dipresentasikan pada makalah ini menerapkan teknik Jaringan Syaraf Tiruan untuk dapat mengestimasi jarak objek dari titik perekaman. Analisis yang tajam mengenai persepsi yang dihasilkan telah dilakukan dengan menggunakan tiga arsitektur, penggunaan jaringan penskalaan global dan lokal pada arsitektur pertama, penambahan jaringan prediksi menengah pada arsitektur kedua, serta penggunaan empat modul jaringan yang terdiri dari pengkode, dekoder, gabungan fitur multi skala, dan jaringan perbaikan pada arsitektur ketiga. Pelatihan dan pengujian dicoba dengan menggunakan beberapa data set yang merepresentasikan kondisi di dalam dan di luar ruangan. Hasil simulasi dan analisis yang diperoleh memperlihatkan bahwa arsitektur ketiga memberikan hasil yang paling baik dalam memberikan informasi ruang 3D dari lingkungannya.

show abstract

Section: Pendahuluanunclassified

Analisis Metoda Estimasi Peta Kedalaman Dari Citra RGB 2D Untuk Penerapan Teknik Persepsi Pada Kendaraan Otonom

Setiaji

Miransyahputra

Nazaruddin

2021

joki

View full text Add to dashboard Cite

show abstract

“…Lidar sensors use a light beam, emitted from a laser, to determine the distances and shapes of objects. Lidar sensors are highly accurate in 3D localization and surface measurements as well as a long-range view up to 300m [24]. They are expensive to buy and bad weather conditions like rain, fog or dust reduce the performance [21,22].…”

Section: Sensor Characteristicsmentioning

confidence: 99%

YOdar: Uncertainty-based Sensor Fusion for Vehicle Detection with Camera and Radar Sensors

Kowol¹,

Rottmann²,

Bracke³

et al. 2020

Preprint

View full text Add to dashboard Cite

In this work, we present an uncertainty-based method for sensor fusion with camera and radar data. The outputs of two neural networks, one processing camera and the other one radar data, are combined in an uncertainty aware manner. To this end, we gather the outputs and corresponding meta information for both networks. For each predicted object, the gathered information is post-processed by a gradient boosting method to produce a joint prediction of both networks. In our experiments we combine the YOLOv3 object detection network with a customized 1D radar segmentation network and evaluate our method on the nuScenes dataset. In particular we focus on night scenes, where the capability of object detection networks based on camera data is potentially handicapped. Our experiments show, that this approach of uncertainty aware fusion, which is also of very modular nature, significantly gains performance compared to single sensor baselines and is in range of specifically tailored deep learning based fusion approaches.

show abstract

Monocular Camera Calibration for Autonomous Driving — a comparative study

Martins

Costelha

Bento

et al. 2020

2020 IEEE International Conference on Autonomous Robot Systems and Competitions (ICARSC)

View full text Add to dashboard Cite

Monocular Camera based Computer Vision System for Cost Effective Autonomous Vehicle

Cited by 5 publications

References 19 publications

Analisis Metoda Estimasi Peta Kedalaman Dari Citra RGB 2D Untuk Penerapan Teknik Persepsi Pada Kendaraan Otonom

Analisis Metoda Estimasi Peta Kedalaman Dari Citra RGB 2D Untuk Penerapan Teknik Persepsi Pada Kendaraan Otonom

YOdar: Uncertainty-based Sensor Fusion for Vehicle Detection with Camera and Radar Sensors

Monocular Camera Calibration for Autonomous Driving — a comparative study

Contact Info

Product

Resources

About