Sep, 2016

寻找失物：为自动驾驶车辆探测小型道路障碍物

PDF
TL;DR本文提出了一种基于立体视觉的方法，通过对立体图像数据上的离散度空间进行统计假设检验，评估独立局部贴片上的自由空间和障碍假设，能可靠地检测 moving vehicle 上的小障碍物，不依赖于全局道路模型，在对象和像素级别上优于所有考虑的基线，成功检测高达 5 厘米高的小障碍物，并可在 20m 的距离下实现低误报率。
autonomous carsstereo visionsmall obstacle detectiondriving taskhypothesis tests
发现论文，激发创造
  • 融合深度学习和几何建模的自驾车意外障碍检测

    利用外观、语境和几何线索，通过一个基于深度学习的完全卷积网络，结合基于模型的统计假设检验的最新检测方法，和一个系统的贝叶斯框架来检测自动驾驶汽车所面临的道路中的障碍物。我们在失物招领数据集上评估了我们的障碍物检测系统，取得了 50% 的相对性能提高和在 50 米内超过 90% 的检测率，在我们的自动驾驶平台上达到了 22 Hz 的操作。

    Dec, 2016

  • 基于嵌入式立体视觉的无人机实时机载避障

    本文讨论了使用轻量级立体相机设置进行障碍物避难的方法。通过计算图像的不同点，利用经过优化的半全局匹配（SGM）算法得出障碍物分布图，并采用反应式的避障方式通过嵌入式 FPGA 进行最短路径规划。

    Jul, 2018

  • 基于 RGB-D 语义分割的小障碍物避障

    本文提出了一种基于 RGB-D 传感器的道路机器人避障系统，使用两阶段语义分割网络生成语义地图以便进行局部路径规划，采用光流监督和运动模糊增强的训练方法，实现室内外道路机器人的无碰撞自主导航。

    Aug, 2019

  • 利用稀疏语义高清地图实现自动驾驶汽车定位

    本文提出了一种基于多个传感器的语义定位算法，利用车道，交通标志和车辆动态等信息，以贝叶斯滤波框架为基础，实现对稀疏语义地图的鲁棒定位，相较于传统基于几何学和 LiDAR 强度的定位器所需的储存空间降低了数个数量级，并且证明了其在 312 公里公路数据集上能够获得 0.05m 的横向精度和 1.12m 的纵向精度。

    Aug, 2019

  • 无法学习：为自动驾驶汽车自主识别感知故障

    本文讨论使用深度学习的物体检测方法在自动驾驶汽车中出现的错误，提出了一种自动化方法来识别没有基准标签的物体检测器的错误，重点研究了时间和立体不一致性这两个方面的错检，并展示了数据集和代码供进一步研究。

    Jun, 2017

  • 自主移动机器人快速准确的薄结构障碍物检测

    使用基于边缘的视觉里程法通过视频序列进行薄障碍物检测，具有快速、准确、稳健的特点。

    Aug, 2017

  • 杂乱环境下高速导航的推扫双目立体视觉技术

    我们提出了一种用于移动 CPU 处理器上进行障碍物检测的新型立体视觉算法，可以实现每秒 120 帧的探测，并能在高速、小型的无人机上实现运行。该系统使用 IMU 和状态估计器恢复障碍物的位置，并建立并更新完整的深度图，不需要任何外部传感器或计算。

    Jul, 2014

  • 使用立体图像生成三维物体建议，实现准确的物体分类检测

    本文利用立体图像对 3D 目标进行检测，通过能量函数优化，使用 CNN 进行目标检测和姿态估计，实现在 KITTI 测试中的最佳表现，并应用 LIDAR 信息进一步优化检测结果。

    Aug, 2016

  • 嵌入式无人机实时密集立体视觉用于道路检测

    本文介绍了一种嵌入在无人机上的稳健立体视觉系统，可以实时准确地评估道路表面的状况，从而支持道路交通的安全。通过改进视角变换和使用双边滤波器来过滤生成的代价体积，以及最小化能量函数，通过单独检测受损道路区域，降低了算法的计算复杂度。

    Apr, 2019

  • 通过擦除来检测道路障碍物

    本文介绍一种在道路障碍物检测中使用图像修补和神经网络的方法，并提供了一个新数据集，结果表明该方法在新数据集和标准基准测试中的表现优于目前的其他方法。

    Dec, 2020