基于高度差图像的无标注路缘检测
计算机视觉与模式识别
2025-03-04 v3
摘要
路缘被视为重要且普遍的交通特征，对确保自动驾驶车辆的安全至关重要。当前用于检测路缘的方法主要依赖摄像图像或 LiDAR 点云。基于图像的方法受光照变化影响较大，鲁棒性差；而基于点云的方法则规避了光照变化的问题。然而，点云数据每帧包含大量 3D 点，导致处理延迟显著；此外，点云的非结构化特性也使其难以集成最新的深度学习技术。为此，本文提出一种利用高度差图像 (ADI) 的无标注路缘检测方法，有效缓解了上述挑战。鉴于深度学习方法通常需要大量人工标注的数据，而这既昂贵又费时，本文引入自动路缘标注模块 (ACA)，其利用确定性路缘检测算法自动生成大量训练数据，从而实现无需人工标注即可训练路缘检测模型。最终通过引入后处理模块，我们在 KITTI 3D 路缘数据集上实现了与现有方法相比处理延迟大幅降低的状态-of-the-art 效果，凸显了该方法在路缘检测任务中的有效性。
引用
@article{arxiv.2409.20171,
title = {Annotation-Free Curb Detection Leveraging Altitude Difference Image},
author = {Fulong Ma and Peng Hou and Yuxuan Liu and Yang Liu and Ming Liu and Jun Ma},
journal= {arXiv preprint arXiv:2409.20171},
year = {2025}
}