ICCVAug, 2019

基于 RGB-D 语义分割的小障碍物避障

PDF
TL;DR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。
obstacle avoidancergb-d sensorsemantic segmentationlocal path planningautonomous navigation
发现论文，激发创造
  • 用 RGB-D 相机实时跟踪和映射动态障碍物的无人机导航和避碰系统

    提出了一种基于 RGB-D 相机的实时动态障碍物跟踪和建图系统，该系统使用 “占用格子图” 生成动态障碍物区域，应用卡尔曼滤波和连续滤波来跟踪每个动态障碍物，并提出了一种基于 Markov 链的环境感知轨迹预测方法。实验结果表明，该方法可以在动态环境中实时成功跟踪和避免障碍物。

    Sep, 2022

  • RGB-D 目标检测与语义分割用于杂乱环境中的自主操作

    通过利用深度融合技术和深度学习的物体检测和语义分割算法，我们成功地解决了在复杂场景中感知目标物体的问题，并在 Amazon Picking Challenge2016 和紧急响应场景数据集上进行了验证。

    Oct, 2018

  • 基于深度信息的实时 RGB-D 语义分割融合网络，并结合道路图像中预警障碍物检测

    本文提出了一种名为 RFNet 的实时融合语义分割网络，该网络可在自动驾驶汽车应用中快速运行，利用多个数据集进行训练，实现对意外小障碍的识别和面对现实世界中未预见到的危险，达到了显著的分割精度和 22Hz 推理速度。

    Feb, 2020

  • 基于单目视觉的深度强化学习障碍物避免

    提出了基于 D3QN 的深度学习网络，利用单目 RGB 视觉输入解决在虚拟和实际环境中的机器人避障问题。

    Jun, 2017

  • 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

  • 寻找失物：为自动驾驶车辆探测小型道路障碍物

    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。

    Sep, 2016

  • 面向动态环境的实时 RGB-D 语义 SLAM

    本文提出了一种基于实时语义 RGB-D SLAM 算法的方法，其能够在动态环境中检测已知和未知的运动物体，并通过仅对关键帧进行语义分割来减少计算成本，并保持静态地图以实现强健的相机跟踪，同时提出了一种有效的几何模块来检测未知的移动物体。该算法在公共数据集和实际应用场景中进行了评估，最终实现了在低功耗嵌入式平台上实时运行并能在动态环境中提供高精度的定位与跟踪。

    Apr, 2021

  • 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

  • 基于语义和 RGB 自我视角的目标导航

    本文提出了一种使用语义决策使得服务机器人在室内环境中进行导航的架构和方法，使用 GeoSem 映射和以 RGB 为自我视角的相机感知。该方法通过考虑机器人的能动性和场景、物体及其关系的语义表示来指导机器人导航，实验结果表明该方法在游戏化评估中的平均完成时间上优于人类用户。

    Oct, 2022

  • 基于半监督分割和光流的通用铁路障碍物检测系统

    利用光流线索指导的半监督分割方法解决铁路场景中多类障碍物检测问题，通过生成逼真的合成图像并利用光流作为先验知识来有效训练模型，实验证明了该方法的可行性和效果。

    Jun, 2024