从相机运动与目标检测获取深度
计算机视觉与模式识别
2021-03-03 v1 机器人学
摘要
本文研究在给定相机运动测量（例如来自机器人运动学或车辆里程计）的情况下，学习估计被检测目标深度的问题。我们通过以下方式实现：1）设计一种循环神经网络（DBox），利用边界框的通用表示与未标定相机运动估计目标深度；2）引入目标深度 via 运动与检测数据集（ODMD）。ODMD训练数据可扩展且可配置，其基准包含跨越四个验证集与测试集的21,600个样本。这些集合包括使用末端执行器相机从YCB数据集中定位目标的移动机器人实验，以及向相机运动或边界框数据添加扰动后的样本。除ODMD基准外，我们在其他单目应用领域中评估DBox，在现有驾驶与机器人基准上取得最先进结果，并利用手机相机估计目标深度。
引用
@article{arxiv.2103.01468,
title = {Depth from Camera Motion and Object Detection},
author = {Brent A. Griffin and Jason J. Corso},
journal= {arXiv preprint arXiv:2103.01468},
year = {2021}
}
备注
CVPR 2021