要旨: 道路工事現場は、その高度に動的で異種混在な性質により、自動運転車と人間の運転者の双方にとって大きな課題を生みます。本論文は、YOLOのニューラルネットワークとLiDARデータを組み合わせることで、工事箇所をリアルタイムに検出・位置特定するシステムを提案します。本システムは走行中に個々の工事対象物を識別し、それらを統合して一貫した建設（工事）サイトを形成し、さらにその輪郭を世界座標系に記録します。モデルの学習は、適応したUSデータセットと、ドイツ・ベルリンで試作車両によるテストドライブから収集した新しいデータセットに基づいて行われました。実環境の道路工事現場での評価では、位置特定精度が0.5 m未満でした。本システムは交通当局に最新の工事情報を提供でき、将来的には自動運転車がより安全に工事現場を走行できるようになる可能性があります。
自動運転のための深層ニューラルネットワークに基づく路上工事（路面工事）検出
arXiv cs.RO / 2026/4/3
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、YOLOベースのニューラルネットワークとLiDARセンシングデータを融合することで、自動運転向けのリアルタイムな路上工事検出・位置推定システムを提案している。
- 運転中に個々の路上工事対象物を検出し、その検出結果を統合して、建設現場の一貫したマップを生成し、さらにそれらの輪郭を世界座標系で記録する。
- 学習には、改良した米国のデータセットに加え、ドイツ・ベルリンで試作車両を用いたテストドライブにより新たに収集したデータセットを使用する。
- 実稼働中の建設現場での実世界評価では、位置推定精度が0.5メートルより良好であることが報告されており、高い実用性が示されている。
- 著者らは、この手法が交通当局に最新の路上工事情報を提供し、自動運転車が建設区域をより安全に走行することを支援できる可能性があると主張している。
