面向自动驾驶汽车的行人与检测跟踪框架：相机与 LiDAR 数据的高效融合
计算机视觉与模式识别
2021-08-30 v1 人工智能
机器学习
机器人学
摘要
本文提出一种融合相机与 LiDAR 传感器数据的行人检测与跟踪新方法。为应对自动驾驶场景的相关挑战，提出一种检测与跟踪相集成的框架。检测阶段通过将 LiDAR 数据流转换为计算易处理的深度图像来完成，随后开发深度神经网络以在 RGB 与深度图像中识别行人候选。为提供准确信息，检测阶段通过使用卡尔曼滤波融合多模态传感器信息而进一步增强。跟踪阶段结合卡尔曼滤波预测与光流算法以跟踪场景中的多个行人。我们在真实公开驾驶数据集上评估了框架。实验结果表明，相较仅使用基于图像的行人检测的基线方法，所提方法取得了显著的性能提升。
引用
@article{arxiv.2108.12375,
title = {A Pedestrian Detection and Tracking Framework for Autonomous Cars: Efficient Fusion of Camera and LiDAR Data},
author = {Muhammad Mobaidul Islam and Abdullah Al Redwan Newaz and Ali Karimoddini},
journal= {arXiv preprint arXiv:2108.12375},
year = {2021}
}