消除盲区：将 3D 目标检测与单目深度估计适配于 360{\deg} 全景图像
计算机视觉与模式识别
2018-08-21 v1
摘要
近期的自动驾驶视觉工作几乎只关注处理前向摄像头。然而，未来的自动驾驶车辆若没有类似人类驾驶员的更全面的环绕感知（可由 360{\deg} 全景摄像头提供）将不可行。我们提出一种方法，将基于常规直线投影图像开发的当代深度网络架构适配到等距柱状 360{\deg} 全景图像上工作。为解决带标注全景自动驾驶数据集匮乏的问题，我们通过风格与投影变换适配一个当代自动驾驶数据集，以促进当代算法在全景图像上的跨域再训练。遵循该方法，我们在无需任何全景训练标签或标定参数的情况下，再训练并适配现有架构以从单目全景图像恢复场景深度和车辆的 3D 位姿。我们的方法在众包全景图像上定性评估，并使用自动驾驶环境模拟器定量评估，从而为全景图像中此类技术提供首个基准。
引用
@article{arxiv.1808.06253,
title = {Eliminating the Blind Spot: Adapting 3D Object Detection and Monocular Depth Estimation to 360{\deg} Panoramic Imagery},
author = {Grégoire Payen de La Garanderie and Amir Atapour Abarghouei and Toby P. Breckon},
journal= {arXiv preprint arXiv:1808.06253},
year = {2018}
}
备注
This work is accepted in ECCV 2018