- 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。
- ODTFormer:基于 Transformer 的立体相机高效障碍物检测和跟踪
提出了 ODTFormer,一种基于 Transformer 的模型,用于解决障碍物检测和跟踪问题。模型通过利用可变形注意力构建三维成本体积,以体素占用栅格的形式逐渐解码来进行检测任务。此外,通过匹配连续帧之间的体素来跟踪障碍物。通过在 D - 基于视觉、红外和超声波的神经辐射场技术 ——VIRUS-NeRF
利用成本效益高的低分辨率测距传感器,提出了一种名为 VIRUS-NeRF 的方法,用于自主移动机器人的局部建图,适用于现代工厂和仓库操作中的安全和导航任务。
- 卷积神经网络中分类误差估计的随机方法
本技术报告在安全关键应用中,研究了用于图像分类的经过训练的卷积神经网络(CNN)的验证结果。通过使用 ANSI/UL 4600 和 ISO 21448 等新标准,结合现有标准 EN 50128 和 EN 50129,证明了类似 Grade - 基于不变性的观察者普通运动下空间映射
该论文研究了基于视觉动态的不变性,通过利用非线性函数与光流之间的关系,提出了一种新的瞬时领域,使得静止环境在连续的相机运动中保持不变,能够在特定的子空间中检测和避开障碍物,并可能检测移动物体。
- 基于 IR-UWB 雷达的手机分神行人态势感知系统
提出了一种名为 UWB 辅助安全步行(UASW)的新颖实时辅助系统,旨在通过障碍物检测并提醒用户实时情况来确保道路上行人的安全,该系统利用了嵌入在智能手机中的脉冲无线超宽带(IR-UWB)雷达,通过使用短脉冲提供出色的距离分辨率和高抗噪性, - 用于简化自主海上导航实验的视界线标注工具
海平面线检测在海洋自主导航任务中起着重要作用,本研究提出了第一个公共注释软件,使海洋海平面线注释过程变得快速且简单。
- 铁路轨道上的障碍物检测中的本地和全局信息
铁路上可靠的障碍物检测可以帮助防止导致伤害、潜在的损坏或脱轨的碰撞。我们提出利用浅层网络从正常的铁路图像中学习铁路分割,并通过学习虚构无障碍图像的全局信息的受控包含来改进方法。我们在一个包含人工增强障碍物的铁路图像数据集上评估我们的方法,结 - 文物映射:多模态语义映射用于物体检测和 3D 定位
提出一个利用多模态传感器融合的方法,能够在一个已知环境中,通过理解该环境搭配环境地图,准确地检测和定位预设物体和障碍物,并相比于单一的传感器能够更准确地检测远处和近处的障碍物。
- 自主导航深度学习应用和方法的最新进展 —— 一份综述
本综述论文系统地总结了目前应用于自主导航中的端到端深度学习框架,包括障碍物检测、场景感知、路径规划和控制,并分析了最新的研究状况和评估深度学习方法的实施和测试。该论文强调了导航对于机动机器人、自动驾驶车辆和无人机的重要性,并讨论了深度学习方 - SimuShips -- 一份高分辨率的模拟船只检测数据集,具备精确标注
本文介绍了一种名为 SimuShips 的用于海上环境的基于模拟的数据集,其中包含各种类型的障碍物,经过了多种气象和照明条件的处理,并通过边界框的形式提供了注释。同时,我们使用 YOLOv5 进行实验,并发现将真实图像与模拟图像相结合可以提 - 农业机器人车辆的周围环境感知
该研究旨在发展一种多传感器感知系统,以提高农业智能车辆在作物田地中的环境感知,包括障碍物检测、作物行引导、变量速率施肥和自动化进程等。研究使用立体视觉、LIDAR、雷达和热图等不同设备,提出了这些设备的组合方法,以区分可行和不可行区域。实验 - PillarFlow: 用于自动驾驶的端到端鸟瞰视角流场估计
提出了一种利用深度学习技术在鸟瞰图中基于激光雷达测量的流估计方法,可以精确检测自动驾驶中的障碍物,并有效提高动态和静态物体的跟踪能力。
- 盲人环境感知和导航的可穿戴旅行辅助设备
该研究提出了一种可穿戴辅助设备,可以帮助视障人士在陌生环境中安全快速地导航,并通过消音信号为用户提供正确的行走方向,同时通过深度学习技术对周围环境中的障碍进行分类和识别,有效地提高了用户的感知能力。
- 自动驾驶增强型激光雷达模拟器
本文提出一种新的 LiDAR 模拟器,可有效解决困扰自动驾驶车辆的障碍物检测问题。该模拟器通过添加合成障碍物并在背景点云基础上生成注释点云,可以自动为检测器提供训练数据,使其在深度学习中表现出色,并可以实现大规模工业应用。
- 实时激光雷达和雷达高层融合用于障碍物检测和跟踪,同时对地面真值进行评估
该论文介绍了一种基于全局最近邻标准滤波器(GNN)的实时 LiDAR/Radar 数据融合算法,它旨在提高障碍物检测。通过在高速公路和拐角处进行多种跟踪情境的测试,并使用实时运动学传感器作为基准数据,论文证明了数据融合与单一传感器相比的优越 - CVPR基于全景监控系统的自动驾驶场景理解网络
本文提出一种新的端到端解决方案,通过识别驾驶车辆在每个方向上最近的障碍物,用于计算最近障碍物的距离,并将其合并到统一的端到端架构中,实现联合物体检测、路缘检测和安全可驾驶区域检测,最终通过相机为基础系统和 3D 对象检测来在停车和行驶模式下 - ACLIMU 辅助语义分割的无人水面车立体障碍物检测
提出了一种新的无人水面车辆障碍物检测算法,将语义分割的先进图形模型扩展到包括来自机载惯性测量单元(IMU)的船只俯仰和翻滚测量值,提出了一种立体验证算法来巩固分割获得的临时检测,并使用 IMU 读数估算地平线位置。
- J-MOD$^{2}$:联合单目障碍物检测和深度估计
该研究提出了一种端到端的深度学习架构,可以同时学习检测障碍物和估计其深度,不仅可用于避免障碍物,而且兼容全局 SLAM 系统,实现无人机的安全导航控制。
- 使用多摄像头系统的自动驾驶汽车的三维视觉感知:校准,映射,定位和障碍物检测
本文讨论了多鱼眼相机系统的标定和处理流程,方法可用于自动泊车等应用场景。该流程可以精确标定多相机系统,构建稀疏的三维地图用于视觉导航、车辆定位,并基于实时深度图提取进行精确的物体检测。