用于以人为本导航的基于深度学习的高效鲁棒行人检测
机器人学
2018-12-14 v3 计算机视觉与模式识别
摘要
本文研究以人为本的导航 (Human-Aware Navigation, HAN) 问题，使用多相机传感器实现基于视觉的人员跟踪系统。本文的主要贡献如下：提出了一种新颖且高效的深度学习人员检测方法，并对以人为本的约束进行了标准化。在该方法的第一阶段，我们提议将聚合通道特征 (Aggregate Channel Features, ACF) 检测器与深度卷积神经网络 (CNN) 级联，以实现快速且准确的行人检测 (Pedestrian Detection, PD)。关于以人为本的意识（可定义为与机器人运动相关的约束），我们使用混合非对称高斯函数来定义与每个约束相关的代价函数。本文提出的两种方法均进行了单独评估，以衡量各个组件的影响。最终解决方案（包括所提出的行人检测和以人为本的约束）在典型的家庭室内场景中通过四个不同的实验进行了测试。结果表明，机器人能够应对根据通用空间学和社会规则定义的以人为本的约束。
引用
@article{arxiv.1607.04441,
title = {Efficient and Robust Pedestrian Detection using Deep Learning for Human-Aware Navigation},
author = {Andre Mateus and David Ribeiro and Pedro Miraldo and Jacinto C. Nascimento},
journal= {arXiv preprint arXiv:1607.04441},
year = {2018}
}
备注
Accepted in Robotics and Autonomous Systems