使用单目相机的自运动与周围车辆状态估计
计算机视觉与模式识别
2020-05-07 v3
摘要
理解自运动与周围车辆状态对于实现自动驾驶和高级驾驶辅助技术至关重要。解决此问题的典型方法使用多种传感器（如LiDAR、相机和雷达）的融合来识别周围车辆状态，包括位置、速度和朝向。此类感知模态对于个人用车的生产而言过于复杂且成本高昂。在本文中，我们提出了一种新颖的机器学习方法，使用单个单目相机来估计自运动和周围车辆状态。我们的方法基于三个深度神经网络的组合，从图像序列中估计3D车辆边界框、深度和光流。本文的主要贡献是一个新的框架和算法，该框架和算法整合了这三个网络以估计自运动和周围车辆状态。为了实现更精确的3D位置估计，我们实时处理了地平面校正。通过将我们的结果与来自其他传感器（包括Can-Bus和激光雷达）的真实数据进行比较的实验评估，证明了所提方法的有效性。
引用
@article{arxiv.2005.01632,
title = {Ego-motion and Surrounding Vehicle State Estimation Using a Monocular Camera},
author = {Jun Hayakawa and Behzad Dariush},
journal= {arXiv preprint arXiv:2005.01632},
year = {2020}
}