Jul, 2023

自动驾驶的自由空间光流建模

PDF
TL;DR通过在 3D 驾驶环境中充分运用几何信息，我们提出了一种新的策略来建模无碰撞空间中的光流（亦称为可驾驶区域或简称自由空间），并提供了光流的明确表示和光流分量与垂直坐标之间的二次关系，通过对多个公共数据集进行广泛实验证明了我们模型的高准确性和稳健性，此外，我们提出的自由空间光流模型在自动驾驶领域内拥有多样的应用，能够在自由空间检测、车辆定位等方面提供几何约束。
发现论文，激发创造
  • 基本场景流的立体视差和光流相结合

    本文提出了一种结合最先进的光流和立体视差算法的方案来实现基本的场景流动的方法，通过在 KITTI 场景流基准测试中的结果显示其具有合理的精度和计算速度，旨在解决车载环境下实时场景流动估计的问题。

    Jan, 2018

  • 基于稀疏雷达的自动驾驶车辆密集光流幻像

    本文提出了一种新的方法，从自动驾驶车辆的稀疏激光雷达数据中估计密集的光流，用作图像不可靠的情况下，如恶劣天气或夜间，替代任何基于图像的光流系统的替代方案。该方法使用多尺度滤波器的三级结构来推断离散范围数据的高分辨率 2D 流，并在 lidar 和图像域中结合多个中间目标。通过使用 FlowNet2 计算的假伪基于图像的光流，我们介绍了一个包含约 20K lidar 样本的 Kitti 数据集，并使用该数据集训练网络。我们在 Kitti 数据集上演示了我们方法的有效性，并表明尽管使用低分辨率和稀疏的 lidar 测量，我们可以回归与基于图像的方法相当的密集光流图。

    Aug, 2018

  • 基于光流的无约束场景实时移动物体检测

    该研究论文提出了一种基于光流的移动物体检测框架，利用单应性矩阵在线构建光流背景模型，并设计了一个双模式判断机制来提高系统对复杂场景的自适 应性，实验证明该方法优于现有的方法，具有适应不同场景的优势。

    Jul, 2018

  • 利用时间动态建模在多帧动态环境中进行无监督光流学习

    本文提出了一种基于时空动态模型的无监督光流估计方法，使用视图合成的自我监督学习来提供可靠的运动先验信息，利用邻帧的运动先验来改善光流估计中遮挡区域的监督，采用自我监督知识蒸馏来让模型理解物体在连续动态环境中的运动模式，实验证明该方法在无监督光流估计中取得了最先进的性能并具有记忆开销优势。

    Apr, 2023

  • 使用通用网络进行视差、光流或场景流估计中的遮挡、运动和深度边界

    本文提出了一种基于学习的方法，可以联合估计离散或光流下的遮挡区域，通过估计遮挡和运动边界的线性提升结果，同时提供了基于 KITTI 基准测试的最新网络和良好的通用性能。而通过利用估计的遮挡，我们还展示了运动分割和场景流估计的改进结果。

    Aug, 2018

  • UFD-PRiME: 通过像素级刚体运动估计进行光流和立体深度的无监督联合学习

    用联合训练的方式估计光流与视差，进而获取更精细的遮挡与物体边界，同时估计动态物体的刚体运动。

    Oct, 2023

  • OmniFlow：人类全方向光流

    本文介绍了 OmniFlow，这是一个新的合成全向人类光流数据集，通过渲染引擎创建自然的 3D 室内环境，用于训练光流估计的体积对应网络。

    Apr, 2021

  • 重新思考几何匹配一致透视的光流

    本研究提出了一种基于深度学习和几何图像匹配的光学流估计方法 MatchFlow，通过先使用几何图像匹配（GIM）作为预训练任务，再进行光流估计，从而提高了图像特征的匹配性能，实验结果表明该模型性能优异，相较于已发表的方法，拥有最优的表现。

    Mar, 2023

  • 传感器引导的光流

    本文提出了一种框架，该框架可以使用外部提示来引导光流网络，从而在已知或未知领域中实现更高的准确性。实验结果表明，我们的框架在模拟和实际条件下都具有很好的效果。

    Sep, 2021

  • MirrorFlow: 利用对称性进行光流和遮挡估计

    本文提出了一种对称的光流方法，通过充分利用光流和遮挡的对称性来解决光流和遮挡之间的鸡生蛋问题，结果显示我们的模型在标准基准测试中具有显着的性能优势，尤其是对于具有挑战性的 KITTI 数据集，我们报告了至今最准确的两帧光流结果。

    Aug, 2017