基于多模态图像数据的密集路面抓地力地图预测
计算机视觉与模式识别
2024-04-29 v1
摘要
湿滑道路天气条件在许多地区普遍存在，给交通带来常规风险。然而，关于自动驾驶汽车如何检测湿滑驾驶条件以安全行驶的研究较少。在这项工作中，我们提出了一种方法，基于后处理的多模态传感器数据，预测汽车前方区域的密集抓地力地图。我们训练了一个卷积神经网络，从融合的RGB相机、热像仪和LiDAR反射率图像中预测像素级抓地力值，基于来自光学道路天气传感器的弱监督地面真值。实验表明，使用所采用的数据模态可以以良好的精度预测密集抓地力值，因为生成的抓地力地图既遵循地面真值测量，也遵循局部天气条件，例如道路上的积雪区域。仅使用RGB相机或LiDAR反射率模态的模型为抓地力预测精度提供了良好的基线结果，而融合RGB相机、热像仪和LiDAR模态的模型显著改善了抓地力预测。
引用
@article{arxiv.2404.17324,
title = {Dense Road Surface Grip Map Prediction from Multimodal Image Data},
author = {Jyri Maanpää and Julius Pesonen and Heikki Hyyti and Iaroslav Melekhov and Juho Kannala and Petri Manninen and Antero Kukko and Juha Hyyppä},
journal= {arXiv preprint arXiv:2404.17324},
year = {2024}
}
备注
17 pages, 7 figures (supplementary material 1 page, 1 figure). Submitted to 27th International Conference of Pattern Recognition (ICPR 2024)