列車前方監視のための深層学習を用いた線路領域抽出手法の検討

カテゴリ: 研究会(論文単位)

論文No: TER22043

グループ名: 【D】産業応用部門 交通・電気鉄道研究会

発行日: 2022/05/09

タイトル(英語): Study on rail region segmentation method using deep learning for train forward surveillance.

著者名: 影山 椋(鉄道総合技術研究所),長峯 望(鉄道総合技術研究所)

著者名(英語): Ryo Kageyama(Railway Technical Research Institute),Nozomi Nagamine(Railway Technical Research Institute)

キーワード: 列車前方監視|深層学習|線路抽出|セグメンテーション|過剰検知抑制|検知領域設定|train forward surveillance|deep learning|rail extraction|segmentation|over-detection suppression|detection area limitation

要約(日本語): 乗務員支援やさらなる安全性向上に向けて我々はカメラやセンサによる列車前方監視手法の開発を進めている。鉄道向けの前方監視に求められる要件として進行方向の支障物を正しく検知することは勿論のこと、線路敷地外の物体を過剰に検知しないことも重要である。そこで、深層学習により前方映像から線路領域のみを抽出する手法を検討した。本稿では検討手法の概要、領域抽出の精度、過剰検知の抑制効果について述べる。

要約(英語): We have developed train forward surveillance method using camera and sensors. In train forward surveillance methods for railroads, it is of course essential to correctly detect obstacle, but it is equally important not to detect objects outside the track site excessively. Therefore, we investigated a method to extract rail regions by deep learning. This paper shows outline, accuracy in rail region segmentation and effect of over detection suppression of our method.

本誌: 2022年5月12日交通・電気鉄道研究会

本誌掲載ページ: 7-12 p

原稿種別: 日本語

PDFファイルサイズ: 947 Kバイト