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

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

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

在低光环境中进行准确的物体追踪对于监控和动物行为学应用至关重要。本文研究了这些扭曲对自动物体追踪器的影响，并提出了一种解决方案，通过将去噪和低光增强方法整合到基于变压器的物体追踪系统中，提高追踪性能。实验结果表明，用低光合成数据集训练的提出的追踪器优于原始的 MixFormer 和 Siam R-CNN。

Dec, 2023

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

本篇论文提出了一种基于变形金刚网络的 3D 物体检测模型 REDFormer，该模型通过使用鸟瞰相机和雷达融合，解决低能见度条件下自动驾驶系统的感知问题，并且在多雷达点云数据、多种天气和时间数据的 nuScenes 数据集上进行验证，相比其他最先进模型，该模型在低能见度情况下表现出更高的检测精度。

May, 2023

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

本研究针对自监督学习方法在鱼眼和针孔相机等复杂投影模型下无法很好地应用于距离估计的问题，提出了一种新的多任务学习策略。通过引入自注意力编码器和用鲁棒的语义特征指导解码器的距离估计网络结构，我们成功地将性能提升了 25％。同时，采用去除超参数调节的广义鲁棒损失函数和语义掩蔽策略来缓解动态物体违反静态世界假设所引起的估计误差。该方法不需要外部尺度估计，并且在 KITTI 数据集和针孔模型上达到了自监督方法的最佳性能水平。

Aug, 2020

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

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