FisheyeMODNet：面向自动驾驶的环视相机运动目标检测
计算机视觉与模式识别
2019-09-02 v1 图像与视频处理
摘要
运动目标检测（MOD）是实现鲁棒自动驾驶的一项重要任务。自动驾驶车辆须估计与环境中的其他交互物体的碰撞风险并计算可选轨迹。由于需要估计物体未来状态和位姿以进行决策，运动物体相较静态物体的碰撞风险通常更高。这对于车辆周围近距物体尤为关键，其通常由捕获场景 360{\deg} 视图的鱼眼环视系统检测。本工作中，我们提出一种利用自动驾驶环境下采集的鱼眼图像进行运动目标检测的 CNN 架构。由于运动几何对鱼眼相机高度非线性且独特，我们将当前数据集的改进版本公开以鼓励进一步研究。为面向嵌入式部署，我们设计了在连续图像间共享权重的轻量编码器。所提网络在 1 万亿次浮点运算能力的车载嵌入式系统上以 15 fps 运行，达到 40% IoU 与 69.5% mIoU 的精度。
引用
@article{arxiv.1908.11789,
title = {FisheyeMODNet: Moving Object detection on Surround-view Cameras for Autonomous Driving},
author = {Marie Yahiaoui and Hazem Rashed and Letizia Mariotti and Ganesh Sistu and Ian Clancy and Lucie Yahiaoui and Varun Ravi Kumar and Senthil Yogamani},
journal= {arXiv preprint arXiv:1908.11789},
year = {2019}
}
备注
Accepted for ICCV 2019 Workshop on 360{\deg} Perception and Interaction. A shorter version was presented at IMVIP 2019