May, 2023

用于自动停车的鱼眼摄像头实时物体检测

PDF
TL;DR本研究提出了一种实时检测框架，配备了双流感知模块和旋转边界框，并使用新的周期角损失函数回归边界框的角度以提高识别效果和减少时间滞后问题。
fisheye camerasvideo stream object detectiondual-flow perception modulerotate bounding boxinstance segmentation
发现论文，激发创造
  • FisheyeDetNet: 自动驾驶中的鱼眼环视摄像头物体检测

    自动驾驶中的物体检测是一个成熟的问题，但对于用于环视近场感测的鱼眼相机，物体检测相对较少探索。我们设计了旋转边界框、椭圆、通用多边形等表示方式，并提出了实例分割的 mIOU 指标来分析这些表示方式。提出的 FisheyeDetNet 模型使用多边形优于其他方法，在 Valeo 鱼眼环视数据集上达到了 49.5％的 mAP 得分。据我们所知，这是关于自动驾驶场景下鱼眼相机物体检测的首个详细研究。

    Apr, 2024

  • 自动驾驶鱼眼相机的广义物体检测：数据集、表示和基线

    本研究主要探讨了在自动驾驶场景中，鱼眼相机的目标检测问题。由于图像边缘的强烈径向失真，标准边界框方法无法很好地处理鱼眼相机的数据。因此，我们提出了一种新的多边形模型，并在比较多种检测方法时使用 IoU 度量来评估多边形模型的性能。通过使用一些先进的方法，包括基于曲率的多边形采样方法，我们设法在误差方面取得了重大进展。我们的方法大大提高了 mIoU 的相对准确度，并可以通过公共数据集进行验证。

    Dec, 2020

  • FisheyeMODNet: 自动驾驶周视摄像头上的移动物体检测

    本研究提出一种卷积神经网络模型，用于使用自主驾驶环境中捕获的鱼眼图像进行运动物体检测，并设计了一个轻量级编码器来实现嵌入式部署。

    Aug, 2019

  • 基于全景环视摄像系统的停车位分类

    基于鱼眼摄像头的围绕视野车位检测与分类研究，采用 YOLOv4 神经网络和新的多边形边界框模型进行电动车位、残疾人车位和普通车位的有效分类。

    Oct, 2023

  • 流式感知的实时目标检测

    这篇论文研究自动驾驶中的实时视频物体检测问题，提出了一种基于流式预测的新型深度学习方法，该方法使用双流动态静态感知模块（DFP）来捕捉运动趋势和基本检测特征，并引入趋势感知损失（TAL）和趋势因子来产生适应性权重，进而优化移动车辆物体的检测结果。

    Mar, 2022

  • OmniDet：基于全景摄像头的自动驾驶多任务视觉感知网络

    本文提出在未经校正的鱼眼图像上运行的多任务视觉感知网络来加强自动汽车系统的六个主要任务，其中包括深度估计，视觉测距，语义分割，动态分割，目标检测以及镜头污染检测，通过联合训练模型，在 KITTI 数据集上实现深度估计和姿态估计任务的最新结果。

    Feb, 2021

  • FishEye8K：鱼眼相机物体检测的基准测试和数据集

    本文介绍了一种针对鱼眼摄像头的开放式 FishEye8K 基准数据集，用于道路物体检测任务，该数据集包含五个类别，涵盖了 157K 个边界框。同时，本文还评估了基于弱监督和无监督策略的最新优秀模型，以及在该数据集上的实验结果。

    May, 2023

  • 鱼眼镜头数据集中用于改善目标检测的低光图像增强框架

    提出了一种新颖的方法，结合基于变压器的图像增强框架和集成学习技术，解决城市交通监测系统中基于鱼眼镜头相机的问题，提高了系统的有效性和准确性，为智能交通管理系统的未来作出了重要贡献。

    Apr, 2024

  • 鱼眼城市驾驶图像的通用语义分割

    本文提出了一种七自由度的增强方法，将平面图像转化为鱼眼图像，提供了一种通用的解决方案，以改善模型的精度和鲁棒性。该模型适用于不同的鱼眼相机，提供了特定参数设置，并在实际鱼眼图像上取得了令人满意的结果。

    Jan, 2020

  • 用于自动驾驶的林景微缩鱼眼物体检测 --CVPR 2022 OmniCV 工作坊挑战赛

    本文介绍了 2022 年 CVPR OmniCV 工作坊上，我们提出的针对鱼眼摄像头目标检测的 WoodScape 比赛，共有来自全球 120 个队伍的 1492 个提交。我们对赢家的方法进行了定性和定量分析，并详细讨论了比赛的细节。

    Jun, 2022