2D 距离数据中的深度行人检测
机器人学
2018-04-10 v1 计算机视觉与模式识别
摘要
在大量应用中，检测人类是移动机器人与智能车辆的一项关键技能。尽管该问题对于图像数据等某些感知模态已被充分研究，但利用 2D 距离数据解决此检测任务的文献甚少。然而，许多服务与家庭应用中的移动机器人广泛采用的感知配置包含一台水平安装的 2D 激光扫描仪。由于人体腿部运动的速度与动态特性，以及尤其在人群中存在的高程度遮挡与自遮挡，从 2D 距离数据检测行人颇具挑战。先前的方法主要依赖手工特征，而我们近期开发了基于深度学习的轮椅与助行器检测器 DROW。本文中，我们展示了向行人检测的推广，包括显著提升 DROW 性能的小幅修改。此外，通过在我们网络中提供一个小型、完全在线的时域窗口，我们进一步提升了得分。我们用行人标注扩展了 DROW 数据集，使其成为最大的 2D 距离数据行人标注数据集，该数据集在真实世界环境中于数天内录制，具有高度多样性。使用三种当前基线方法的广泛实验表明这是一个具有挑战性的数据集，而我们改进的 DROW 检测器在此上击败了当前最优（SOTA）。
引用
@article{arxiv.1804.02463,
title = {Deep Person Detection in 2D Range Data},
author = {Lucas Beyer and Alexander Hermans and Timm Linder and Kai O. Arras and Bastian Leibe},
journal= {arXiv preprint arXiv:1804.02463},
year = {2018}
}