面向地面移动机器人的可行驶区域与道路异常检测中表面法线信息的应用
计算机视觉与模式识别
2021-04-21 v1 机器人学
摘要
可行驶区域与道路异常的联合检测是地面移动机器人的关键任务。近年来,许多令人印象深刻的语义分割网络被开发出来,可用于像素级可行驶区域与道路异常检测。然而,检测精度仍有待提升。为此,我们开发了名为法线推断模块(NIM)的新颖模块,能够从稠密深度图像中高效且高精度地生成表面法线信息。我们的 NIM 可部署于现有卷积神经网络(CNNs)中以精炼分割性能。为评估 NIM 的有效性与鲁棒性,我们将其嵌入十二种最先进的 CNNs 中。实验结果表明,我们的 NIM 能大幅提升 CNNs 在可行驶区域与道路异常检测上的性能。此外,我们提出的 NIM-RTFNet 在 KITTI 道路基准上排名第 8,并展现出实时推理速度。
引用
@article{arxiv.2008.11383,
title = {Applying Surface Normal Information in Drivable Area and Road Anomaly Detection for Ground Mobile Robots},
author = {Hengli Wang and Rui Fan and Yuxiang Sun and Ming Liu},
journal= {arXiv preprint arXiv:2008.11383},
year = {2021}
}
备注
6 pages, 6 figures and 1 table. This paper is accepted by IROS 2020