SlideShare ist ein Scribd-Unternehmen logo
1 von 29
Downloaden Sie, um offline zu lesen
Mobility Technologies Co., Ltd.
ドラレコ + CV = 地図@Mobility Technologies
株式会社Mobility Technologies
宮澤 ⼀之
Mobility Technologies Co., Ltd.
宮澤 ⼀之
AI技術開発部
グループリーダー
株式会社Mobility Technologies
経歴
2019年4⽉〜2020年3⽉
AI研究開発エンジニア@DeNA
2010年4⽉〜2019年3⽉
主任研究員@三菱電機
2010年3⽉
博⼠(情報科学)@東北⼤学
自己紹介
2
@kzykmyzw
Mobility Technologies Co., Ltd.
3
h"ps://go.mo-t.com/
Mobility Technologies Co., Ltd.
Mobility Technologies | Mission Vision
4
移動で⼈を幸せに。
Mobility Technologies Co., Ltd.
Mobility Technologiesの取り組み
5
1. 配⾞関連事業
2. 広告決済事業
3. 乗務員向け
ソリューション事業
4. スマート
ドライビング事業
5. 次世代向けR&D事業
モビリティDXカンパニーとして各種事業を展開
タクシー
(基点)
交通
社会
事
業
領
域
の
拡
が
り
事業領域 実現したい姿
社会課題への取り組み
交通課題の解決
タクシー産業の課題解決
Mobility Technologies Co., Ltd.
Mobility Technologiesの取り組み
6
モビリティDXカンパニーとして各種事業を展開
配⾞関連事業 広告決済事業
乗務員向け
ソリューション事業
スマート
ドライビング事業
次世代向け
R&D事業
※記載されている会社名や商品名等は、各社の商標⼜は登録商標です。(出願中含む)
Mobility Technologies Co., Ltd.
7
h"ps://drive-chart.com/
Mobility Technologies Co., Ltd.
DRIVE CHARTのCV技術に関する直近の発表
8
h"ps://scramble.connpass.com/event/201414/
h"ps://speakerdeck.com/takarasawa_/dsds-number-2-drive-chart
Mobility Technologies Co., Ltd.
9
h"ps://mo-t.com/news/pr/2021/07/28/761da212-3d73-5b87-9ff1-c483f1e7ec5d/
Mobility Technologies Co., Ltd.
n ⾼度な交通社会の実現に向け、⾼精細な情報を迅速に地図に反映させることが求められている
n 特殊な計測専⽤⾞両や⼈海戦術に頼ったこれまでのやり⽅では時間とコストがかかりすぎる
これからの地図は「鮮度」が重要
10
⾸都⾼技術株式会社資料より引⽤
h"ps://www.infradoctor.jp/details/detail20190313.pdf
©OpenStreetMap contributors
動的情報
準動的情報
準静的情報
静的情報
Google LLC資料より引⽤
https://www.google.com/streetview/explore/
Mobility Technologies Co., Ltd.
ドラレコ映像 + CVで道路変化情報を⾃動抽出
11
ドラレコ+CV 地図 道路変化情報
©OpenStreetMap contributors ©OpenStreetMap contributors
地
図
会
社
n ドラレコ映像から検出した物体を地図と⽐較し、現況が地図から変化している箇所を抽出
n 抽出した情報を地図会社に知らせることで、地図メンテの低コスト化と地図の⾼鮮度化を実現
Mobility Technologies Co., Ltd.
12
DRIVE CHARTをはじめとする
データ
ソフトウェアエンジニアリング
全てをカバーする
技術⼒
GO/JapanTaxi/MOVで培ったモビリティに関する
ドメイン知識
Mobility Technologies Co., Ltd.
13
h"ps://mo-t.com/news/pr/2020/04/22/211827cd-343b-5398-b358-987d4c3e86f1/
Mobility Technologies Co., Ltd.
システム構成図
14
DRIVE
CHART
マップ
マッチ
動画取得
道路計算
位置
位置格納
動画格納
物体検出
位置
推定
物体
変化抽出
地図
変化情報
動画
AWS Batch
S3
Lambda
Lambda
TypeScript
CI / CD
by
分析・開発
出典:ドライブレコーダの動画を使った道路情報の⾃動差分抽出
Mobility Technologies Co., Ltd.
対象物の検出デモ(標識・信号機)
15
実際のDRIVE CHARTの映像とは異なります
Mobility Technologies Co., Ltd.
対象物の検出デモ(路⾯ペイント)
16
実際のDRIVE CHARTの映像とは異なります
Mobility Technologies Co., Ltd.
n 物体検出で得られたBBOXをクロップし、後処理で内容を読み取る
n 画像分類および⽂字検出ベースの2種類のアプローチを併⽤
標識の内容読み取り
17
画像分類
⽂字検出
20km/h
30km/h
40km/h
50km/h
60km/h
…
⽂字検出ベース⼿法による読み取り結果例
Mobility Technologies Co., Ltd.
n 全てのLED型標識が点灯しているわけではなく、消灯しているものも多い
n ⼀般にビデオカメラでLED型標識を撮影すると、LEDの点滅周期が映像に現れる
厄介な事例 ~可変標識(LED型)~
18
実際のDRIVE CHARTの映像とは異なります
h"ps://twi"er.com/jpn_roadsignbot
Mobility Technologies Co., Ltd.
n LED型標識の点灯・消灯を判定し、点灯している場合は内容を読み取る
n 点灯しているフレームの中から最も読み取りに適していると思われるフレームを選択
LED型標識の内容読み取り
19
80
80
80
物体検出
物体検出
物体検出
物体検出
状態分類
状態分類
状態分類
状態分類
消灯
点灯
消灯
点灯 点灯消灯判定
最適フレーム
選択
80km/h
トラッキングによる
グルーピング
内容読み取り
Mobility Technologies Co., Ltd.
読み取りに適したフレームの選択
20
検出されたBBOX
最適フレーム
実際のDRIVE CHARTの映像とは異なります
Mobility Technologies Co., Ltd.
n Visual SLAMを使って各フレームにおけるカメラの外部パラメータを推定
n 検出した物体の3次元座標を三⾓測量で求め、GPS情報と組み合わせて緯度軽度に変換
位置推定
21
実際のDRIVE CHARTの映像とは異なります
Mobility Technologies Co., Ltd.
位置推定結果例
22
Mobility Technologies Co., Ltd.
n 新東名⾼速を⾛⾏した⾞両約250台から映像を収集(総距離約570km)
n 速度標識を対象としてドラレコからの検出結果を地図と⽐較し、各標識について変化なし、
規制内容更新、撤去、新規設置のいずれかを判定
n 1つの標識あたり5回⾛⾏した結果を統合して判断
定量評価結果例
23
対象標識数 判定正解数 再現率
変化なし 533 519 97.37%
規制内容更新 190 189 99.47%
撤去 5 5 100.0%
新規設置 36 36 100.0%
Mobility Technologies Co., Ltd.
その他の開発中アイテム例
24
幅員計測のための⾛⾏可能領域抽出
実際のDRIVE CHARTの映像とは異なります
Mobility Technologies Co., Ltd.
まだまだ課題は多い…
25
https://twitter.com/nyamin998/status/1150280203236569090?s=20
天
⼀
よ
り
も
厄
介
オ
レ
オ
レ
標
識
ほ
ぼ
⾒
え
な
い
LED
消
灯
標
識
@
ト
ン
ネ
ル
現
実
を
忠
実
に
コ
ピ
@
す
る
写
り
込
み
よ
く
わ
か
ら
な
い
謎
の
物
体
可
能
性
は
無
限
⼤
指
定
⽅
向
外
進
⾏
禁
⽌
Mobility Technologies Co., Ltd.
n 本⽇ご紹介したプロジェクト以外でもCVエンジニアを募集中です
n 気軽なカジュアル⾯談も⼤歓迎ですので以下リンクやTwitter DM等からご連絡ください!
こんな課題を(?)⼀緒に解決してくれる仲間募集中!
26
h"ps://hrmos.co/pages/mo-t/jobs?category=1342449154655301632
Mobility Technologies Co., Ltd.
n 最先端のCV技術をフル活⽤し、⾝近な社会課題の解決に貢献できる
n CVだけでなく様々な専⾨家の集まりの中で、幅広いスキルが獲得できる
n ⾃分のWILLに合わせた成⻑をサポートしてくれる
最後に… CVエンジニアとしてのMoTの魅⼒
27
• 社会課題の解決を⽬的とした⼤規模な商⽤サービスの最重要コア技術としてCVを駆使できる
• 研究開発から実際のサービスへの落とし込み、運⽤まで幅広く経験できる
• @yu4uや@hirotomusikerを始めとする有名CVerが多数在籍しているのに加え、データサイエン
ティスト(Kaggle Grandmaster x 1, Master x 8)やMLOpsエンジニア、バックエンドエンジニア
などAIの社会実装に必要な⼈材が全⽅位で揃っている
• 社内勉強会を定期開催しているほか、学会参加費や⾃⼰研鑽のためのクラウド費⽤などをサポート
• サポートの仕組みは固定的でなく、メンバーの意⾒を吸い上げながら随時ブラッシュアップ
Mobility Technologies Co., Ltd.
n MoTニュースリリース
・ゼンリンとMobility Technologies、 タクシーやトラックの映像データから道路変化情報を⾃動抽出し⾼鮮度な地図情報のメンテナンスに活⽤
n MoT公式note
・⾃動運転・スマートシティの実現に向けた“次世代のデータ活⽤基盤”を開発--MoTのデータから新たな価値を⽣み出す「KUUグループ」
・“AI技術の社会実装”ができる環境はそう多くない。チャレンジングなプロジェクトだから味わえる⾯⽩さ。
n MoTテックブログ
・ドラレコ映像を使った地図メンテナンスを⽀えるコンピュータビジョン技術
n 講演など
・ドライブレコーダの動画を使った道路情報の⾃動差分抽出, DeNA TechCon 2021
・Can We Make Maps from Videos? ~From AI Algorithm to Engineering for Continuous Improvement~, DeNA TechCon 2020
・Geolocation of Traffic Lights and Signs Using Dashcam: Towards Low-Cost Map Maintenance, NVIDIA GTC 2020
・ドライブレコーダ映像からの3次元空間認識, MOBILITY:dev 2019
本プロジェクトに関する参考資料
28
⽂章·画像等の内容の無断転載及び複製等の⾏為はご遠慮ください。
Mobility Technologies Co., Ltd.

Weitere ähnliche Inhalte

Was ist angesagt?

2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentationTakuya Minagawa
 
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用SSII
 
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation 「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation Takumi Ohkuma
 
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理Toru Tamaki
 
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...SSII
 
深層学習によるHuman Pose Estimationの基礎
深層学習によるHuman Pose Estimationの基礎深層学習によるHuman Pose Estimationの基礎
深層学習によるHuman Pose Estimationの基礎Takumi Ohkuma
 
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...NTT DATA Technology & Innovation
 
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際Tetsutaro Watanabe
 
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Modelscvpaper. challenge
 
MediaPipeの紹介
MediaPipeの紹介MediaPipeの紹介
MediaPipeの紹介emakryo
 
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]DeNA
 
CV分野での最近の脱○○系3選
CV分野での最近の脱○○系3選CV分野での最近の脱○○系3選
CV分野での最近の脱○○系3選Kazuyuki Miyazawa
 
SSII2022 [OS2-01] イメージング最前線
SSII2022 [OS2-01] イメージング最前線SSII2022 [OS2-01] イメージング最前線
SSII2022 [OS2-01] イメージング最前線SSII
 
画像キャプションの自動生成
画像キャプションの自動生成画像キャプションの自動生成
画像キャプションの自動生成Yoshitaka Ushiku
 
オープンソース SLAM の分類
オープンソース SLAM の分類オープンソース SLAM の分類
オープンソース SLAM の分類Yoshitaka HARA
 
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日Kitsukawa Yuki
 
Anomaly detection 系の論文を一言でまとめた
Anomaly detection 系の論文を一言でまとめたAnomaly detection 系の論文を一言でまとめた
Anomaly detection 系の論文を一言でまとめたぱんいち すみもと
 
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised LearningまとめDeep Learning JP
 
プロジェクトマネージャのための機械学習工学入門
プロジェクトマネージャのための機械学習工学入門プロジェクトマネージャのための機械学習工学入門
プロジェクトマネージャのための機械学習工学入門Nobukazu Yoshioka
 

Was ist angesagt? (20)

2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
 
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用
 
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation 「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
 
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
 
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
 
深層学習によるHuman Pose Estimationの基礎
深層学習によるHuman Pose Estimationの基礎深層学習によるHuman Pose Estimationの基礎
深層学習によるHuman Pose Estimationの基礎
 
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
 
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
 
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
 
MediaPipeの紹介
MediaPipeの紹介MediaPipeの紹介
MediaPipeの紹介
 
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
 
Point net
Point netPoint net
Point net
 
CV分野での最近の脱○○系3選
CV分野での最近の脱○○系3選CV分野での最近の脱○○系3選
CV分野での最近の脱○○系3選
 
SSII2022 [OS2-01] イメージング最前線
SSII2022 [OS2-01] イメージング最前線SSII2022 [OS2-01] イメージング最前線
SSII2022 [OS2-01] イメージング最前線
 
画像キャプションの自動生成
画像キャプションの自動生成画像キャプションの自動生成
画像キャプションの自動生成
 
オープンソース SLAM の分類
オープンソース SLAM の分類オープンソース SLAM の分類
オープンソース SLAM の分類
 
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
 
Anomaly detection 系の論文を一言でまとめた
Anomaly detection 系の論文を一言でまとめたAnomaly detection 系の論文を一言でまとめた
Anomaly detection 系の論文を一言でまとめた
 
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
 
プロジェクトマネージャのための機械学習工学入門
プロジェクトマネージャのための機械学習工学入門プロジェクトマネージャのための機械学習工学入門
プロジェクトマネージャのための機械学習工学入門
 

Ähnlich wie ドラレコ + CV = 地図@Mobility Technologies

Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介Chigusa Junichiro
 
0525株式会社デジタルシフトケイパ.pdf
0525株式会社デジタルシフトケイパ.pdf0525株式会社デジタルシフトケイパ.pdf
0525株式会社デジタルシフトケイパ.pdfssuser023d4d1
 
M-SOLUTIONS株式会社_kintonehive
M-SOLUTIONS株式会社_kintonehiveM-SOLUTIONS株式会社_kintonehive
M-SOLUTIONS株式会社_kintonehiveCybozucommunity
 
Company Profile 2013 recruit
Company Profile 2013 recruitCompany Profile 2013 recruit
Company Profile 2013 recruitSatoshi Matsumoto
 
MLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for VisionMLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for VisionKazuyuki Miyazawa
 
20111203 第28回WebSig会議_IMJモバイル川畑さん資料
20111203 第28回WebSig会議_IMJモバイル川畑さん資料20111203 第28回WebSig会議_IMJモバイル川畑さん資料
20111203 第28回WebSig会議_IMJモバイル川畑さん資料WebSig24/7
 
アドネットワーク凛 媒体資料
アドネットワーク凛 媒体資料アドネットワーク凛 媒体資料
アドネットワーク凛 媒体資料Harumasa Matsushita
 
Reai Tech Night|Japan taxi株式会社 会社説明資料
Reai Tech Night|Japan taxi株式会社 会社説明資料Reai Tech Night|Japan taxi株式会社 会社説明資料
Reai Tech Night|Japan taxi株式会社 会社説明資料Classi_Corp
 
MLプロジェクトのリリースフローを考える
MLプロジェクトのリリースフローを考えるMLプロジェクトのリリースフローを考える
MLプロジェクトのリリースフローを考えるTakashi Suzuki
 
第4回 Machine Learning 15minutes!
第4回 Machine Learning 15minutes!第4回 Machine Learning 15minutes!
第4回 Machine Learning 15minutes!XCompass
 
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2Sei Kato (加藤 整)
 
DIGITALIFT採用説明資料 2021
DIGITALIFT採用説明資料 2021DIGITALIFT採用説明資料 2021
DIGITALIFT採用説明資料 2021Ryosuke Kakuma
 
kintone hack ここまでできるkintone カスタマイズ事例・プラグイン紹介
kintone hack ここまでできるkintone カスタマイズ事例・プラグイン紹介kintone hack ここまでできるkintone カスタマイズ事例・プラグイン紹介
kintone hack ここまでできるkintone カスタマイズ事例・プラグイン紹介Cybozucommunity
 
シナスタジア_企業紹介.pdf
シナスタジア_企業紹介.pdfシナスタジア_企業紹介.pdf
シナスタジア_企業紹介.pdftakashikawamoto9
 
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用ナレッジコミュニケーション
 
ITエンジニアこそ実現できるモビリティのサービス化
ITエンジニアこそ実現できるモビリティのサービス化ITエンジニアこそ実現できるモビリティのサービス化
ITエンジニアこそ実現できるモビリティのサービス化Masaki Ito
 
DVP決済実現に向けた挑戦 | 世取山 進二(株式会社NTTデータ 金融事業推進部 デジタル戦略推進部 部長)
DVP決済実現に向けた挑戦 | 世取山 進二(株式会社NTTデータ 金融事業推進部 デジタル戦略推進部 部長)DVP決済実現に向けた挑戦 | 世取山 進二(株式会社NTTデータ 金融事業推進部 デジタル戦略推進部 部長)
DVP決済実現に向けた挑戦 | 世取山 進二(株式会社NTTデータ 金融事業推進部 デジタル戦略推進部 部長)blockchainexe
 

Ähnlich wie ドラレコ + CV = 地図@Mobility Technologies (20)

Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
 
0525株式会社デジタルシフトケイパ.pdf
0525株式会社デジタルシフトケイパ.pdf0525株式会社デジタルシフトケイパ.pdf
0525株式会社デジタルシフトケイパ.pdf
 
M-SOLUTIONS株式会社_kintonehive
M-SOLUTIONS株式会社_kintonehiveM-SOLUTIONS株式会社_kintonehive
M-SOLUTIONS株式会社_kintonehive
 
Company Profile 2013 recruit
Company Profile 2013 recruitCompany Profile 2013 recruit
Company Profile 2013 recruit
 
MLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for VisionMLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for Vision
 
Smfl20201001
Smfl20201001Smfl20201001
Smfl20201001
 
20111203 第28回WebSig会議_IMJモバイル川畑さん資料
20111203 第28回WebSig会議_IMJモバイル川畑さん資料20111203 第28回WebSig会議_IMJモバイル川畑さん資料
20111203 第28回WebSig会議_IMJモバイル川畑さん資料
 
3分でわかるMobileApps
3分でわかるMobileApps3分でわかるMobileApps
3分でわかるMobileApps
 
アドネットワーク凛 媒体資料
アドネットワーク凛 媒体資料アドネットワーク凛 媒体資料
アドネットワーク凛 媒体資料
 
Reai Tech Night|Japan taxi株式会社 会社説明資料
Reai Tech Night|Japan taxi株式会社 会社説明資料Reai Tech Night|Japan taxi株式会社 会社説明資料
Reai Tech Night|Japan taxi株式会社 会社説明資料
 
MLプロジェクトのリリースフローを考える
MLプロジェクトのリリースフローを考えるMLプロジェクトのリリースフローを考える
MLプロジェクトのリリースフローを考える
 
第4回 Machine Learning 15minutes!
第4回 Machine Learning 15minutes!第4回 Machine Learning 15minutes!
第4回 Machine Learning 15minutes!
 
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2
 
DIGITALIFT採用説明資料 2021
DIGITALIFT採用説明資料 2021DIGITALIFT採用説明資料 2021
DIGITALIFT採用説明資料 2021
 
kintone hack ここまでできるkintone カスタマイズ事例・プラグイン紹介
kintone hack ここまでできるkintone カスタマイズ事例・プラグイン紹介kintone hack ここまでできるkintone カスタマイズ事例・プラグイン紹介
kintone hack ここまでできるkintone カスタマイズ事例・プラグイン紹介
 
シナスタジア_企業紹介.pdf
シナスタジア_企業紹介.pdfシナスタジア_企業紹介.pdf
シナスタジア_企業紹介.pdf
 
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
 
Io t labo20180312pub
Io t labo20180312pubIo t labo20180312pub
Io t labo20180312pub
 
ITエンジニアこそ実現できるモビリティのサービス化
ITエンジニアこそ実現できるモビリティのサービス化ITエンジニアこそ実現できるモビリティのサービス化
ITエンジニアこそ実現できるモビリティのサービス化
 
DVP決済実現に向けた挑戦 | 世取山 進二(株式会社NTTデータ 金融事業推進部 デジタル戦略推進部 部長)
DVP決済実現に向けた挑戦 | 世取山 進二(株式会社NTTデータ 金融事業推進部 デジタル戦略推進部 部長)DVP決済実現に向けた挑戦 | 世取山 進二(株式会社NTTデータ 金融事業推進部 デジタル戦略推進部 部長)
DVP決済実現に向けた挑戦 | 世取山 進二(株式会社NTTデータ 金融事業推進部 デジタル戦略推進部 部長)
 

Mehr von Kazuyuki Miyazawa

VoxFormer: Sparse Voxel Transformer for Camera-based 3D Semantic Scene Comple...
VoxFormer: Sparse Voxel Transformer for Camera-based 3D Semantic Scene Comple...VoxFormer: Sparse Voxel Transformer for Camera-based 3D Semantic Scene Comple...
VoxFormer: Sparse Voxel Transformer for Camera-based 3D Semantic Scene Comple...Kazuyuki Miyazawa
 
EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...
EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...
EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...Kazuyuki Miyazawa
 
kaggle NFL 1st and Future - Impact Detection
kaggle NFL 1st and Future - Impact Detectionkaggle NFL 1st and Future - Impact Detection
kaggle NFL 1st and Future - Impact DetectionKazuyuki Miyazawa
 
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth EstimationKazuyuki Miyazawa
 
3D Perception for Autonomous Driving - Datasets and Algorithms -
3D Perception for Autonomous Driving - Datasets and Algorithms -3D Perception for Autonomous Driving - Datasets and Algorithms -
3D Perception for Autonomous Driving - Datasets and Algorithms -Kazuyuki Miyazawa
 
How Much Position Information Do Convolutional Neural Networks Encode?
How Much Position Information Do Convolutional Neural Networks Encode?How Much Position Information Do Convolutional Neural Networks Encode?
How Much Position Information Do Convolutional Neural Networks Encode?Kazuyuki Miyazawa
 
Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...
Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...
Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...Kazuyuki Miyazawa
 
Devil is in the Edges: Learning Semantic Boundaries from Noisy Annotations
Devil is in the Edges: Learning Semantic Boundaries from Noisy AnnotationsDevil is in the Edges: Learning Semantic Boundaries from Noisy Annotations
Devil is in the Edges: Learning Semantic Boundaries from Noisy AnnotationsKazuyuki Miyazawa
 

Mehr von Kazuyuki Miyazawa (9)

VoxFormer: Sparse Voxel Transformer for Camera-based 3D Semantic Scene Comple...
VoxFormer: Sparse Voxel Transformer for Camera-based 3D Semantic Scene Comple...VoxFormer: Sparse Voxel Transformer for Camera-based 3D Semantic Scene Comple...
VoxFormer: Sparse Voxel Transformer for Camera-based 3D Semantic Scene Comple...
 
EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...
EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...
EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...
 
kaggle NFL 1st and Future - Impact Detection
kaggle NFL 1st and Future - Impact Detectionkaggle NFL 1st and Future - Impact Detection
kaggle NFL 1st and Future - Impact Detection
 
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
 
3D Perception for Autonomous Driving - Datasets and Algorithms -
3D Perception for Autonomous Driving - Datasets and Algorithms -3D Perception for Autonomous Driving - Datasets and Algorithms -
3D Perception for Autonomous Driving - Datasets and Algorithms -
 
How Much Position Information Do Convolutional Neural Networks Encode?
How Much Position Information Do Convolutional Neural Networks Encode?How Much Position Information Do Convolutional Neural Networks Encode?
How Much Position Information Do Convolutional Neural Networks Encode?
 
Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...
Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...
Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...
 
SIGGRAPH 2019 Report
SIGGRAPH 2019 ReportSIGGRAPH 2019 Report
SIGGRAPH 2019 Report
 
Devil is in the Edges: Learning Semantic Boundaries from Noisy Annotations
Devil is in the Edges: Learning Semantic Boundaries from Noisy AnnotationsDevil is in the Edges: Learning Semantic Boundaries from Noisy Annotations
Devil is in the Edges: Learning Semantic Boundaries from Noisy Annotations
 

ドラレコ + CV = 地図@Mobility Technologies

  • 1. Mobility Technologies Co., Ltd. ドラレコ + CV = 地図@Mobility Technologies 株式会社Mobility Technologies 宮澤 ⼀之
  • 2. Mobility Technologies Co., Ltd. 宮澤 ⼀之 AI技術開発部 グループリーダー 株式会社Mobility Technologies 経歴 2019年4⽉〜2020年3⽉ AI研究開発エンジニア@DeNA 2010年4⽉〜2019年3⽉ 主任研究員@三菱電機 2010年3⽉ 博⼠(情報科学)@東北⼤学 自己紹介 2 @kzykmyzw
  • 3. Mobility Technologies Co., Ltd. 3 h"ps://go.mo-t.com/
  • 4. Mobility Technologies Co., Ltd. Mobility Technologies | Mission Vision 4 移動で⼈を幸せに。
  • 5. Mobility Technologies Co., Ltd. Mobility Technologiesの取り組み 5 1. 配⾞関連事業 2. 広告決済事業 3. 乗務員向け ソリューション事業 4. スマート ドライビング事業 5. 次世代向けR&D事業 モビリティDXカンパニーとして各種事業を展開 タクシー (基点) 交通 社会 事 業 領 域 の 拡 が り 事業領域 実現したい姿 社会課題への取り組み 交通課題の解決 タクシー産業の課題解決
  • 6. Mobility Technologies Co., Ltd. Mobility Technologiesの取り組み 6 モビリティDXカンパニーとして各種事業を展開 配⾞関連事業 広告決済事業 乗務員向け ソリューション事業 スマート ドライビング事業 次世代向け R&D事業 ※記載されている会社名や商品名等は、各社の商標⼜は登録商標です。(出願中含む)
  • 7. Mobility Technologies Co., Ltd. 7 h"ps://drive-chart.com/
  • 8. Mobility Technologies Co., Ltd. DRIVE CHARTのCV技術に関する直近の発表 8 h"ps://scramble.connpass.com/event/201414/ h"ps://speakerdeck.com/takarasawa_/dsds-number-2-drive-chart
  • 9. Mobility Technologies Co., Ltd. 9 h"ps://mo-t.com/news/pr/2021/07/28/761da212-3d73-5b87-9ff1-c483f1e7ec5d/
  • 10. Mobility Technologies Co., Ltd. n ⾼度な交通社会の実現に向け、⾼精細な情報を迅速に地図に反映させることが求められている n 特殊な計測専⽤⾞両や⼈海戦術に頼ったこれまでのやり⽅では時間とコストがかかりすぎる これからの地図は「鮮度」が重要 10 ⾸都⾼技術株式会社資料より引⽤ h"ps://www.infradoctor.jp/details/detail20190313.pdf ©OpenStreetMap contributors 動的情報 準動的情報 準静的情報 静的情報 Google LLC資料より引⽤ https://www.google.com/streetview/explore/
  • 11. Mobility Technologies Co., Ltd. ドラレコ映像 + CVで道路変化情報を⾃動抽出 11 ドラレコ+CV 地図 道路変化情報 ©OpenStreetMap contributors ©OpenStreetMap contributors 地 図 会 社 n ドラレコ映像から検出した物体を地図と⽐較し、現況が地図から変化している箇所を抽出 n 抽出した情報を地図会社に知らせることで、地図メンテの低コスト化と地図の⾼鮮度化を実現
  • 12. Mobility Technologies Co., Ltd. 12 DRIVE CHARTをはじめとする データ ソフトウェアエンジニアリング 全てをカバーする 技術⼒ GO/JapanTaxi/MOVで培ったモビリティに関する ドメイン知識
  • 13. Mobility Technologies Co., Ltd. 13 h"ps://mo-t.com/news/pr/2020/04/22/211827cd-343b-5398-b358-987d4c3e86f1/
  • 14. Mobility Technologies Co., Ltd. システム構成図 14 DRIVE CHART マップ マッチ 動画取得 道路計算 位置 位置格納 動画格納 物体検出 位置 推定 物体 変化抽出 地図 変化情報 動画 AWS Batch S3 Lambda Lambda TypeScript CI / CD by 分析・開発 出典:ドライブレコーダの動画を使った道路情報の⾃動差分抽出
  • 15. Mobility Technologies Co., Ltd. 対象物の検出デモ(標識・信号機) 15 実際のDRIVE CHARTの映像とは異なります
  • 16. Mobility Technologies Co., Ltd. 対象物の検出デモ(路⾯ペイント) 16 実際のDRIVE CHARTの映像とは異なります
  • 17. Mobility Technologies Co., Ltd. n 物体検出で得られたBBOXをクロップし、後処理で内容を読み取る n 画像分類および⽂字検出ベースの2種類のアプローチを併⽤ 標識の内容読み取り 17 画像分類 ⽂字検出 20km/h 30km/h 40km/h 50km/h 60km/h … ⽂字検出ベース⼿法による読み取り結果例
  • 18. Mobility Technologies Co., Ltd. n 全てのLED型標識が点灯しているわけではなく、消灯しているものも多い n ⼀般にビデオカメラでLED型標識を撮影すると、LEDの点滅周期が映像に現れる 厄介な事例 ~可変標識(LED型)~ 18 実際のDRIVE CHARTの映像とは異なります h"ps://twi"er.com/jpn_roadsignbot
  • 19. Mobility Technologies Co., Ltd. n LED型標識の点灯・消灯を判定し、点灯している場合は内容を読み取る n 点灯しているフレームの中から最も読み取りに適していると思われるフレームを選択 LED型標識の内容読み取り 19 80 80 80 物体検出 物体検出 物体検出 物体検出 状態分類 状態分類 状態分類 状態分類 消灯 点灯 消灯 点灯 点灯消灯判定 最適フレーム 選択 80km/h トラッキングによる グルーピング 内容読み取り
  • 20. Mobility Technologies Co., Ltd. 読み取りに適したフレームの選択 20 検出されたBBOX 最適フレーム 実際のDRIVE CHARTの映像とは異なります
  • 21. Mobility Technologies Co., Ltd. n Visual SLAMを使って各フレームにおけるカメラの外部パラメータを推定 n 検出した物体の3次元座標を三⾓測量で求め、GPS情報と組み合わせて緯度軽度に変換 位置推定 21 実際のDRIVE CHARTの映像とは異なります
  • 22. Mobility Technologies Co., Ltd. 位置推定結果例 22
  • 23. Mobility Technologies Co., Ltd. n 新東名⾼速を⾛⾏した⾞両約250台から映像を収集(総距離約570km) n 速度標識を対象としてドラレコからの検出結果を地図と⽐較し、各標識について変化なし、 規制内容更新、撤去、新規設置のいずれかを判定 n 1つの標識あたり5回⾛⾏した結果を統合して判断 定量評価結果例 23 対象標識数 判定正解数 再現率 変化なし 533 519 97.37% 規制内容更新 190 189 99.47% 撤去 5 5 100.0% 新規設置 36 36 100.0%
  • 24. Mobility Technologies Co., Ltd. その他の開発中アイテム例 24 幅員計測のための⾛⾏可能領域抽出 実際のDRIVE CHARTの映像とは異なります
  • 25. Mobility Technologies Co., Ltd. まだまだ課題は多い… 25 https://twitter.com/nyamin998/status/1150280203236569090?s=20 天 ⼀ よ り も 厄 介 オ レ オ レ 標 識 ほ ぼ ⾒ え な い LED 消 灯 標 識 @ ト ン ネ ル 現 実 を 忠 実 に コ ピ @ す る 写 り 込 み よ く わ か ら な い 謎 の 物 体 可 能 性 は 無 限 ⼤ 指 定 ⽅ 向 外 進 ⾏ 禁 ⽌
  • 26. Mobility Technologies Co., Ltd. n 本⽇ご紹介したプロジェクト以外でもCVエンジニアを募集中です n 気軽なカジュアル⾯談も⼤歓迎ですので以下リンクやTwitter DM等からご連絡ください! こんな課題を(?)⼀緒に解決してくれる仲間募集中! 26 h"ps://hrmos.co/pages/mo-t/jobs?category=1342449154655301632
  • 27. Mobility Technologies Co., Ltd. n 最先端のCV技術をフル活⽤し、⾝近な社会課題の解決に貢献できる n CVだけでなく様々な専⾨家の集まりの中で、幅広いスキルが獲得できる n ⾃分のWILLに合わせた成⻑をサポートしてくれる 最後に… CVエンジニアとしてのMoTの魅⼒ 27 • 社会課題の解決を⽬的とした⼤規模な商⽤サービスの最重要コア技術としてCVを駆使できる • 研究開発から実際のサービスへの落とし込み、運⽤まで幅広く経験できる • @yu4uや@hirotomusikerを始めとする有名CVerが多数在籍しているのに加え、データサイエン ティスト(Kaggle Grandmaster x 1, Master x 8)やMLOpsエンジニア、バックエンドエンジニア などAIの社会実装に必要な⼈材が全⽅位で揃っている • 社内勉強会を定期開催しているほか、学会参加費や⾃⼰研鑽のためのクラウド費⽤などをサポート • サポートの仕組みは固定的でなく、メンバーの意⾒を吸い上げながら随時ブラッシュアップ
  • 28. Mobility Technologies Co., Ltd. n MoTニュースリリース ・ゼンリンとMobility Technologies、 タクシーやトラックの映像データから道路変化情報を⾃動抽出し⾼鮮度な地図情報のメンテナンスに活⽤ n MoT公式note ・⾃動運転・スマートシティの実現に向けた“次世代のデータ活⽤基盤”を開発--MoTのデータから新たな価値を⽣み出す「KUUグループ」 ・“AI技術の社会実装”ができる環境はそう多くない。チャレンジングなプロジェクトだから味わえる⾯⽩さ。 n MoTテックブログ ・ドラレコ映像を使った地図メンテナンスを⽀えるコンピュータビジョン技術 n 講演など ・ドライブレコーダの動画を使った道路情報の⾃動差分抽出, DeNA TechCon 2021 ・Can We Make Maps from Videos? ~From AI Algorithm to Engineering for Continuous Improvement~, DeNA TechCon 2020 ・Geolocation of Traffic Lights and Signs Using Dashcam: Towards Low-Cost Map Maintenance, NVIDIA GTC 2020 ・ドライブレコーダ映像からの3次元空間認識, MOBILITY:dev 2019 本プロジェクトに関する参考資料 28