FisheyeDistanceNet：基于单目鱼眼相机用于自动驾驶的自监督尺度感知距离估计
计算机视觉与模式识别
2020-10-08 v4 机器学习
机器人学
图像与视频处理
机器学习
摘要
鱼眼相机常用于自动驾驶和监控等应用，以提供大于180°的广阔视场。然而，其代价是强烈的非线性畸变，需要更复杂的算法。本文中，我们探索鱼眼相机在车载场景下的欧氏距离估计。在实践中获取准确且稠密的深度监督是困难的，但自监督学习方法展现出有前景的结果并有可能克服该问题。我们提出一种新颖的自监督尺度感知框架，用于从原始单目鱼眼视频中学习欧氏距离与自运动，而无需进行校正。尽管可以对鱼眼投影面进行分段线性近似并应用标准直线模型，但这有其自身的一系列问题，如重采样畸变和过渡区域中的不连续性。为鼓励该领域的进一步研究，我们将作为WoodScape项目的一部分发布我们的数据集。我们进一步在KITTI数据集上评估了所提算法，并获得了与其他自监督单目方法相当的最先进结果。在未见鱼眼视频上的定性结果展示了令人印象深刻的性能 https://youtu.be/Sgq1WzoOmXg。
引用
@article{arxiv.1910.04076,
title = {FisheyeDistanceNet: Self-Supervised Scale-Aware Distance Estimation using Monocular Fisheye Camera for Autonomous Driving},
author = {Varun Ravi Kumar and Sandesh Athni Hiremath and Stefan Milz and Christian Witt and Clement Pinnard and Senthil Yogamani and Patrick Mader},
journal= {arXiv preprint arXiv:1910.04076},
year = {2020}
}
备注
Minor fixes added after ICRA 2020 camera ready submission. ICRA 2020 presentation video - https://www.youtube.com/watch?v=qAsdpHP5e8c&t