面向森林道路自动驾驶的嵌入式视觉
计算机视觉与模式识别
2021-05-31 v1 人工智能
摘要
罗马尼亚的森林道路是独特的自然野生动物栖息地,被无数游客用于休闲。为保护和维护这些道路,我们提出了 RovisLab AMTU(自主移动测试单元),这是一种旨在自主导航越野地形并沿跟踪路线检查是否发生森林砍伐或损害的机器人系统。AMTU 的核心组件是其针对实时环境感知优化的嵌入式视觉模块。为实现高计算速度,我们使用学习系统训练一个多任务深度神经网络(DNN)用于物体的场景与实例分割,而同时定位与建图所需的 keypoints 则使用手工设计的 FAST 特征检测器和 Lucas-Kanade 跟踪算法计算。DNN 与手工设计骨干网络均在 NVIDIA AGX Xavier 板的 GPU 上并行运行。我们展示了在研究设施测试轨道上取得的实验结果。
引用
@article{arxiv.2105.13754,
title = {Embedded Vision for Self-Driving on Forest Roads},
author = {Sorin Grigorescu and Mihai Zaha and Bogdan Trasnea and Cosmin Ginerica},
journal= {arXiv preprint arXiv:2105.13754},
year = {2021}
}