从街景图像中自动发现目标并进行地理标记

许多应用（如自主导航、城市规划和资产监控）依赖于有关物体及其地理位置的准确信息。在本文中，我们提出利用街景图像自动检测并计算反复出现的固定感兴趣目标的 GPS 坐标。我们的处理流程依赖于两个全卷积神经网络：第一个用于分割图像中的物体，第二个用于估计它们与相机的距离。为了将所有检测到的物体连贯地进行地理定位，我们提出了一种新颖的自定义马尔可夫随机场模型来执行物体三角测量。由此产生的处理流程的新颖之处在于结合使用单目深度估计和三角测量，从而实现对具有多个视觉上相似的感兴趣目标的复杂场景的自动映射。我们在两类物体（交通灯和电线杆）上实验验证了我们方法的有效性。实验报告了较高的物体召回率和 2 米以内的 GPS 精度，这与单频 GPS 接收器的精度相当。