一种基于 3D-2D 联合的道路上自由空间检测方法
计算机视觉与模式识别
2018-11-27 v3
摘要
在本文中，我们解决自动驾驶背景下的道路分割与自由空间检测问题。传统方法要么使用三维（3D）线索（如来自 LIDAR、RADAR 或立体相机的点云），要么使用二维（2D）线索（如车道线、道路边界和物体检测）。典型的 3D 点云分辨率不足以检测如道路与人行道之间高度的细微差异。基于图像的 2D 线索在遇到不均匀道路纹理（如阴影、坑洼、车道线或道路修复）时失效。我们提出了一种结合 2D 与 3D 线索的新型自由道路空间检测技术。具体而言，我们使用基于 CNN 的 2D 图像道路分割，以及从 SLAM 获得的稀疏深度数据上的平面/盒拟合作为先验，利用条件随机场（CRF）构建能量最小化以进行道路像素分类。CNN 学习道路纹理且不受深度边界影响，而 3D 信息有助于克服基于纹理的分类失败。最后，我们将所得道路分割与来自单目 SLAM 的 3D 深度数据结合以检测用于导航目的的自由空间。我们在 KITTI 里程计数据集、Camvid 数据集以及我们自行采集的视频上的实验验证了所提方法相对于当前最优方法的优越性。
引用
@article{arxiv.1711.02144,
title = {A Joint 3D-2D based Method for Free Space Detection on Roads},
author = {Suvam Patra and Pranjal Maheshwari and Shashank Yadav and Chetan Arora and Subhashis Banerjee},
journal= {arXiv preprint arXiv:1711.02144},
year = {2018}
}
备注
Accepted for publication at IEEE WACV 2018