穿行于平板车之间：基于单目相机的鸟瞰占用栅格用于整体轨迹规划
计算机视觉与模式识别
2020-08-11 v1 人工智能
机器人学
摘要
基于相机的端到端驾驶神经网络带来了低成本系统的前景，可将相机图像映射为驾驶控制指令。这些网络令人关注，因为它们取代了繁琐的手动工程构建模块，但其黑盒性质使其在故障情况下难以探究。近期工作已表明使用显式中间表示的重要性，其具有提升网络决策可解释性与准确性的益处。然而，这些基于相机的网络在相机视图中推理，其中尺度非均匀，因此不直接适用于运动预测。本文中，我们引入一种新颖的仅单目相机整体端到端轨迹规划网络，其具有以二值占用栅格地图（OGMs）形式的鸟瞰（BEV）中间表示。为简化从相机图像预测 BEV 中的 OGMs，我们引入一种新方案：OGMs 首先作为相机视图中的语义掩码预测，然后利用两平面间的单应性变换到 BEV。使该变换可应用于车辆等 3D 对象的关键要素在于，仅预测其在相机视图中的足迹，从而遵从单应性所隐含的平面世界假设。
引用
@article{arxiv.2008.04047,
title = {Driving among Flatmobiles: Bird-Eye-View occupancy grids from a monocular camera for holistic trajectory planning},
author = {Abdelhak Loukkal and Yves Grandvalet and Tom Drummond and You Li},
journal= {arXiv preprint arXiv:2008.04047},
year = {2020}
}