ATG-PVD：基于无人机的停车违规取证
计算机视觉与模式识别
2021-04-21 v1 机器人学
摘要
在本文中，我们引入了一种新颖的嫌疑-调查框架，可轻松嵌入无人机中用于自动化停车违规检测（PVD）。我们提出的框架包括：1）SwiftFlow，一种用于无监督光流估计的高效准确卷积神经网络（CNN）；2）Flow-RCNN，一种由光流引导的用于车辆检测与分类的 CNN；以及 3）基于视觉 SLAM 开发的违规停车车辆（IPC）候选调查模块。所提框架已成功嵌入 ATG Robotics 的无人机中。实验结果表明：首先，我们提出的 SwiftFlow 在速度和精度上均优于所有其他最先进的无监督光流估计方法；其次，IPC 候选可由我们提出的 Flow-RCNN 有效且高效地检测，性能优于我们的基线网络 Faster-RCNN；最后，在实际 IPC 可由我们的调查模块在无人机重定位后成功验证。
引用
@article{arxiv.2008.09305,
title = {ATG-PVD: Ticketing Parking Violations on A Drone},
author = {Hengli Wang and Yuxuan Liu and Huaiyang Huang and Yuheng Pan and Wenbin Yu and Jialin Jiang and Dianbin Lyu and Mohammud J. Bocus and Ming Liu and Ioannis Pitas and Rui Fan},
journal= {arXiv preprint arXiv:2008.09305},
year = {2021}
}
备注
17 pages, 11 figures and 3 tables. This paper is accepted by ECCV Workshops 2020