aUToLights：一种鲁棒的多相机交通灯检测与跟踪系统
计算机视觉与模式识别
2023-09-06 v2 机器人学
摘要
在 SAE AutoDrive Challenge Series I 成功参与四年后，多伦多大学正参与 Series II 竞赛，旨在到 2025 年开发一款能够处理各种城市驾驶场景的 L4 级自动驾驶乘用车。准确检测交通灯并正确识别其状态对于城市安全自动驾驶至关重要。在此，我们描述了为像多伦多大学自动驾驶汽车 Artemis 这样的自动驾驶车辆最近重新设计的交通灯感知系统。与大多数交通灯感知系统类似，我们主要依赖基于相机的目标检测器。我们部署 YOLOv5 检测器跨多个相机进行边界框回归与交通灯分类，并融合观测结果。为提升鲁棒性，我们引入高精语义地图的先验，并使用隐马尔可夫模型进行状态滤波。我们展示了一个多相机、实时可用的交通灯感知流水线，可处理包括多个可见路口、交通灯变异、临时遮挡和闪烁灯态在内的复杂情况。为验证系统，我们收集并标注了一个包含闪烁状态和各类遮挡类型的多样化数据集。结果表明，相较于单帧单相机目标检测，我们在挑战性真实场景中具有更优性能。
引用
@article{arxiv.2305.08673,
title = {aUToLights: A Robust Multi-Camera Traffic Light Detection and Tracking System},
author = {Sean Wu and Nicole Amenta and Jiachen Zhou and Sandro Papais and Jonathan Kelly},
journal= {arXiv preprint arXiv:2305.08673},
year = {2023}
}
备注
In Proceedings of the Conference on Robots and Vision (CRV'23), Montreal, Canada, Jun. 6-8, 2023