结合深度学习与基于模型方法实现鲁棒实时语义地标检测
计算机视觉与模式识别
2019-09-04 v1 图像与视频处理
摘要
与抽象特征相比，显著物体（即所谓地标）是车辆定位与导航更自然的手段，尤其在具有挑战性的非结构化环境中。主要挑战在于在各种光照条件和变化的环境（生长植被）中识别地标，同时仅有少量训练样本可用。我们提出一种新方法，利用深度学习以及基于模型的方法克服对大型数据集的需求。使用RGB图像与光探测和测距（LiDAR）点云，我们的方法将卷积神经网络（CNN）的最先进分类结果与鲁棒的基于模型的方法相结合，并考虑先前时间步的先验知识。在一个以树木和灌木为地标的具有挑战性的真实场景上的评估显示，相较于纯基于学习的最先进3D检测器，取得了有前景的结果，同时速度显著更快。
引用
@article{arxiv.1909.00733,
title = {Combining Deep Learning and Model-Based Methods for Robust Real-Time Semantic Landmark Detection},
author = {Benjamin Naujoks and Patrick Burger and Hans-Joachim Wuensche},
journal= {arXiv preprint arXiv:1909.00733},
year = {2019}
}
备注
In 22nd International Conference on Information Fusion (FUSION), 2019