自動運転の簡単んなおさらい
Mar. 10, 2019•0 likes•111 views
Download to read offline
Report
Engineering
Camphor Day 2019のLT大会の資料
NurSabrinabintiZuraiFollow
Recommended
【A02】ドローンを使ったプログラミング教育【青森大学／ソフトウェア情報学部 橋本研究室】aomorisix
Pythonを使った機械学習の学習Kimikazu Kato
汎用AIプログラミングシステムGenを使ってみたJunKaneko3
Agile Japan 2014 Okinaway0t4
Swiftで機械学習(Play Machinelearning with Swift easily)Yusuke Yoshie
![[DL輪読会]DeepSignals: Predicting Intent of Drivers Through Visual Signals](https://cdn.slidesharecdn.com/ss_thumbnails/20200605-200605064520-thumbnail.jpg?width=384&height=256&fit=bounds)
[DL輪読会]DeepSignals: Predicting Intent of Drivers Through Visual SignalsDeep Learning JP
More Related Content
Featured
Introduction to Data ScienceChristy Abraham Joy
Time Management & Productivity - Best PracticesVit Horky
The six step guide to practical project managementMindGenius
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...RachelPearson36
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Applitools
12 Ways to Increase Your Influence at WorkGetSmarter
自動運転の簡単んなおさらい
- 2. 自己紹介 名前：Nur Sabrina binti Zuraimi (サブリナ） 出身：マレーシア (２０１４年来日） 2014 - 2018 : 神戸大学工学部電気電子工学科 (フォトニック材料研究室） 2018 - : 京都大学大学院情報学研究科知能情報専攻 (画像処理研究室 / 西野研究室)） プログラミング経験 ● Swiftがきっかけでプログラミング好きになった！ ○ 1間半ぐらい iOSアプリ開発バイト ー＞まだプログラミング初心者 T.T ● 自動運転に関する勉強２週間前ぐらい始めた
- 3. Outline 1. 自動運転とは？ 2. 自動運転レベル 3. 自動運転に置ける「Perception」 4. KITTIデータセットでRoad Segmentationやってみた 5. これからやってみたい事
- 4. 自動運転とは？ 認知/Perception 判断/Planning 制御 / Control ● Localization ● Scene Segmentation ● Local Path Planner ● Behaviour Cloning 車の制御 ー加速、ブレーキなど
- 5. 自動運転のレベル
- 6. 自動運転に置ける「Perception」[1] Computer Vision Localization(自分の位置を推定する) - Landmarkでtriangulation Semantic Segmentation - pixelごとに意味的ラベルをつける - CNNなどで学習ベースが主流
- 7. 自動運転に置ける「Perception」[2] Sensor Fusion よく使われているセンサー - LiDAR(Lasar Detection and Imaging) - 360度カメラ/ Stereoカメラ - レーダー これから？ ー赤外線センサー？
- 8. KITTI DatasetでRoad Segmentationやってみた KITTIデータセットとは？ - Karlsruhe Institute of TechnologyとToyota Institute of Technologyによるベンチマ ークデータセット - 6 hours of traffic video データセットのタスク - optical flow, 3d object detection, 3d object tracking, road segmentation など
- 9. KITTI DatasetでRoad Segmentationやってみた FCN8 with pretrained VGG 16
Editor's Notes
- 最初は、自動運転というのはなんでしょうか。 自動運転にはこの３要素が必要と思われます。 Perceptionは車の目と考えればいいです。自律運転に関連する知覚タスクは、位置確認と意味的セグメンテーションです。 自動運転に関連する認知タスクは位置確認するというlocalizationと意味的セグメンテーションです。 車の認知タスクはだいたいvisual情報でやられてるんですが、個人的に音の情報などとか使ったら面白いと思います。 自動運転の次のタスクが判断である。要するに、車の脳です。 都市環境に置ける自動運転の経路計画と意思決定により、車がA地点からB地点までのもっとも安全で便利で経済的に最適なルートを見つけることがpath plannerです。 自律運転に関連する知覚タス自律運転に関連する知覚タスクは、位置確認と意味的セグメンテーションです。 クは、位置確認と意味的セグメンテーションです。 自律運転に関連する知覚タスクは、位置確認と意味的セグ自律運転に自律運転に関連する知覚タスクは、位置確認と意味的セグメンテーションです。 自律運転に関連する知覚タスクは、位置確認と意味的セグメンテーションです。 メンテーd
- レベル0の自律性では、ドライバーはステアリング、ブレーキ、加速または減速などのすべての操作タスクを実行します。 1️⃣レベル1 - 運転支援 このレベルでは、車両はいくつかの機能を補助することができますが、運転者はまだ周囲環境のすべての加速、制動をやります。たとえば、高速道路で別の車に近づきすぎると、車が少し余分なブレーキをかけるみたいな感じです。 2️⃣レベル2 - 部分的な自動運転 ほとんどの自動車メーカーは現在このレベルで車両を開発しています。このレベルでは、車両はステアリング機能や加速機能を補助しています。このレベルでは、運転手は常に車両を制御する準備ができていなければならないです。 3️⃣レベル3 - 条件付き自動化 車自体が（LiDARのようなセンサーを使用して）環境を監視してるんです。運転手の注意はこのレベルでは重要ですが、ブレーキングなどの「安全上重要な」機能はだいたいできます。 4️⃣レベル4 - ハイオートメーション レベル4と5では、車はステアリング、ブレーキ、加速、車と道路の監視、ハップニングの対応、車線変更、方向転換、信号への対応は車ができます。 5️⃣レベル5 - 完全自動化
- レーザ光（赤外線）をパルス状に照射し、対象物に反射されて戻ってくる時間によって距離を計測するセンサーで、
- それは最終的なクラシファイア層を捨ててコンボリューションにすべての完全に接続された層を変換することによってVGG16ネットを複製します それは最終的なクラシファイア層を捨ててコンボリューションにすべての完全に接続された層を変換することによってVGG16ネそれは最終的なクラシファイア層を捨ててコンボリューションにすべての完全に接続された層を変換することによってVGG16ネットを複製します ットを複製します それは最終的なクラシファイア層を捨ててコンボリューションにすべての完全に接続された層を変換することによってVGG16ネットを複製しますそれは最終的なクラシファイア層を捨ててコンボリューションにすべての完全に接続された層を変換することによってVGG16ネットを複製します それは最終的なクラシファイア層を捨ててコンボリューションにすべての完全に接続された層を変換することによってVGG16ネットを複製します