DROW：基于实时深度学习的二维距离数据中的轮椅检测
机器人学
2016-12-06 v2 计算机视觉与模式识别
机器学习
神经与进化计算
摘要
我们介绍了 DROW 检测器，一种基于深度学习的二维距离数据检测器。激光扫描仪具有光照不变性，能提供准确的距离数据，且通常覆盖较大的视场，使其成为机器人应用中引人关注的传感器。迄今为止，激光距离数据检测的研究主要由手工设计特征和提升分类器主导，可能因次优的设计选择而损失性能。我们针对该任务提出了一种基于卷积神经网络（CNN）的检测器。我们展示了如何有效地将 CNN 应用于二维距离数据中的检测，并提出了一种深度预处理步骤和投票方案，显著提升了 CNN 性能。我们在轮椅和助行器上演示了我们的方法，获得了当前最优的检测结果。不过，除训练数据外，我们的设计选择均未将检测器限制于这两类。我们提供了检测器的 ROS 节点，并发布了包含 464k 激光扫描的数据集，其中 24k 进行了标注。
引用
@article{arxiv.1603.02636,
title = {DROW: Real-Time Deep Learning based Wheelchair Detection in 2D Range Data},
author = {Lucas Beyer and Alexander Hermans and Bastian Leibe},
journal= {arXiv preprint arXiv:1603.02636},
year = {2016}
}
备注
Lucas Beyer and Alexander Hermans contributed equally