FisheyeDetNet：基于360度全景鱼眼相机的对象检测系统用于自动驾驶
计算机视觉与模式识别
2024-04-30 v2 机器人学
摘要
对象检测是自动驾驶中的成熟问题，行人检测是最早部署的算法之一，已在文献中得到全面研究。然而，针对用于 surround-view 近场感知的鱼眼相机，对象检测的研究相对较少。由于强径向畸变（尤其在边缘地区），标准的边界框表示在鱼眼相机上无法正常工作。为缓解这一问题，我们探索了扩展标准对象检测输出表示（边界框）的方法。我们设计了旋转边界框、椭圆、通用多边形作为极坐标弧/角表示，并定义了实例分割 mIOU 指标以分析这些表示。所提出的模型FisheyeDetNet采用多边形表征， 在Valeo鱼眼 surround-view 数据集上实现49.5%的mAP得分，用于自动驾驶应用。该数据集在欧洲、北美和亚洲 across 60K张图像，来自4台 surround-view 相机。据我们所知，这是首个针对自动驾驶场景中鱼眼相机进行对象检测的详尽研究。
引用
@article{arxiv.2404.13443,
title = {FisheyeDetNet: 360{\deg} Surround view Fisheye Camera based Object Detection System for Autonomous Driving},
author = {Ganesh Sistu and Senthil Yogamani},
journal= {arXiv preprint arXiv:2404.13443},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2206.05542 by other authors