DPGP：面向安全自动驾驶的混合 2D-3D 双路径潜在鬼探测区域预测框架
机器人学
2025-04-24 v1
摘要
现代机器人必须在密集城市环境中与人类共存。一个关键挑战是鬼探测问题，即行人或物体意外冲入交通路径。此问题同时影响自动驾驶车辆和人类驾驶员。现有工作提出了车联网 (V2X) 策略和非视线 (NLOS) 成像用于鬼探测区域检测。但大多数方法需要高计算功耗或专业硬件，限制了实际应用可行性。此外，许多方法未明确解决此问题。为此，我们提出 DPGP，一个仅使用单目相机在训练和推理期间的混合 2D-3D 融合框架，用于鬼探测区域预测。通过无监督深度预测，我们观察到鬼探测区域与深度不连续性一致，但不同的深度表示提供了不同的鲁棒性。为充分利用这一点，我们融合多个特征嵌入以提高预测效果。为验证我们的方法，我们创建了一个 12K 图像数据集，标注了鬼探测区域，数据来源严谨且经过核查。实验结果表明，我们的框架在保持成本效益的同时超越了现有方法。据我们所知，这是首个将鬼探测区域预测扩展到非车辆对象的工作。我们将开源代码和数据集以供社区使用。
引用
@article{arxiv.2504.16374,
title = {DPGP: A Hybrid 2D-3D Dual Path Potential Ghost Probe Zone Prediction Framework for Safe Autonomous Driving},
author = {Weiming Qu and Jiawei Du and Shenghai Yuan and Jia Wang and Yang Sun and Shengyi Liu and Yuanhao Zhu and Jianfeng Yu and Song Cao and Rui Xia and Xiaoyu Tang and Xihong Wu and Dingsheng Luo},
journal= {arXiv preprint arXiv:2504.16374},
year = {2025}
}