稀疏三维激光测距数据中小物体的检测与跟踪
机器人学
2019-03-15 v1 计算机视觉与模式识别
摘要
动态物体的检测与跟踪是在持续变化环境中实现自主行为的关键特性。随着微型飞行器（MAV）的日益普及与能力提升，必须利用高效算法以在受限硬件及轻量传感器所提供的数据上实现多目标跟踪。我们提出了一种基于中值滤波器组合的新颖分割方法，以及用于检测和跟踪由 Velodyne VLP-16 传感器生成的稀疏点云中小物体的高效流水线。通过利用数据的内在结构，我们在 MAV 硬件的单核上实现了实时性能。我们的方法在室内外环境的仿真与真实扫描数据上进行了评估，获得了与当前最优（SOTA）相当的结果。此外，我们提供了一个用于滤除数据动态部分并映射静态部分的应用，从而对该流水线在无标注数据上的性能产生进一步认识。
引用
@article{arxiv.1903.05889,
title = {Detection and Tracking of Small Objects in Sparse 3D Laser Range Data},
author = {Jan Razlaw and Jan Quenzel and Sven Behnke},
journal= {arXiv preprint arXiv:1903.05889},
year = {2019}
}
备注
Accepted for IEEE International Conference on Robotics and Automation (ICRA), Montreal, Canada, to appear May 2019