自転車ユーザ参加型路面画像センシングによる点字ブロック検出における性能向上方法の模索

松田悠斗, 松田裕貴: “自転車ユーザ参加型路面画像センシングによる点字ブロック検出における性能向上方法の模索,” 電子情報通信学会技術研究報告, センサネットワークとモバイルインテリジェンス研究会（SeMI）, Vol.125, No.325, pp.55-60, 大分県由布市, 2026年1月.

Abstract

本研究では，小型カメラを搭載した自転車によるユーザ参加型センシングで取得した路面画像を対象として，物体検出モデルYOLO11を用いた点字ブロック検出を行う．オリジナル画像に加え，グレースケール変換，およびCLAHEによるコントラスト強調を施したデータセットを構築し，計3種類の点字ブロック検出モデルを作成・評価した．その結果，最大でPrecisionが0.828，mAP_50が0.802となり，自転車走行中に撮影された画像に対しても高い検出性能を示すことを確認した．さらに，検出結果に対してBBox統合手法であるNMWおよびWBFを適用し，多重検出の抑制ならびに3モデルのアンサンブルによる検出性能の向上を図った．その結果，最大でPrecisionが0.894（+8.0%），mAP_50が0.844（+5.2%）となり，後処理による検出性能の向上を確認した．

This study investigates tactile paving detection in road surface images acquired via bicycle-based participatory sensing using compact cameras and the YOLO11 object detection model. Three detection models were trained and evaluated using the original images as well as datasets preprocessed with grayscale conversion and CLAHE-based contrast enhancement. The proposed approach achieved a maximum Precision of 0.828 and an mAP_50 of 0.802, demonstrating robust detection performance for images captured during bicycle travel. Furthermore, applying Non-Maximum Weighted (NMW) and Weighted Boxes Fusion (WBF) for three-model ensemble post-processing suppressed multiple detections and improved accuracy, resulting in a maximum Precision of 0.894 (+8.0%) and an mAP_50 of 0.844 (+5.2%).

Links

DOI: https://ken.ieice.org/ken/paper/20260123dcRB/

PDF: https://cocolab.jp/publication/files/202601_SeMI_YutoMatsuda.pdf

BibTeX

code:references.bib

@inproceedings{bib:yuto_brailoop_SeMI202601,

author={松田悠斗 and 松田裕貴},

title={自転車ユーザ参加型路面画像センシングによる点字ブロック検出における性能向上方法の模索},

booktitle={電子情報通信学会技術研究報告, センサネットワークとモバイルインテリジェンス研究会（SeMI）},

volume={125},

number={325},

year={2026},

pages={79--84},

url={https://ken.ieice.org/ken/paper/20260123dcRB/}

}

https://scrapbox.io/files/694e1a9bb755d59586c058f7.png