DisPlacing Objects：基于不良条件下视觉位置识别改进动态车辆检测
计算机视觉与模式识别
2023-07-03 v1 人工智能
机器学习
机器人学
摘要
知道自身位置能否有助于感知周围物体，尤其在不良天气和光照条件下？在这项工作中，我们研究是否可以利用先验地图来辅助场景中动态物体的检测，而无需三维地图或像素级地图-查询对应关系。我们提出了一种算法，利用先验地图对一组初始候选物体检测结果进行精炼，并生成高度精确的检测子集。我们首先使用视觉位置识别（VPR）为给定查询图像检索参考地图图像，然后使用一个二分类神经网络比较查询与地图图像区域以验证查询检测。一旦我们的分类网络在约1000个查询-地图图像对上训练完成，其与现有的开箱即用车辆检测器结合时便能提升车辆检测性能。我们使用跨两座城市（牛津和苏黎世）的标准数据集，在不同的地图-查询遍历对训练-测试划分设置下演示了我们的方法。我们进一步强调了我们的方法相对于替代设计选择的性能增益，并表明VPR足以胜任该任务，消除了对精确地面真值定位的需求。
引用
@article{arxiv.2306.17536,
title = {DisPlacing Objects: Improving Dynamic Vehicle Detection via Visual Place Recognition under Adverse Conditions},
author = {Stephen Hausler and Sourav Garg and Punarjay Chakravarty and Shubham Shrivastava and Ankit Vora and Michael Milford},
journal= {arXiv preprint arXiv:2306.17536},
year = {2023}
}
备注
Accepted to IROS 2023