基于融合的整体道路场景理解
计算机视觉与模式识别
2014-07-01 v1
摘要
本文解决了基于视觉与距离数据整合的整体道路场景理解问题。为实现这一宏大目标，我们提出了一种在条件随机场（CRF）框架内联合处理对象级图像分割与语义区域标记的方法。具体而言，我们首先通过聚类 3D 点、学习其先验外观模型，并利用深度学习方法推理其语义类别，从而生成语义对象假设。将学习到的先验知识与空间及几何上下文一同纳入 CRF 中。通过此公式化方法，视觉与距离数据得到了彻底融合，此外，耦合的分割与语义标记问题可通过 Graph Cuts 进行推断。我们在包含多样复杂道路场景的具有挑战性的 KITTI 数据集上验证了该方法。定量与定性评估均证明了其有效性。
引用
@article{arxiv.1406.7525,
title = {Fusion Based Holistic Road Scene Understanding},
author = {Wenqi Huang and Xiaojin Gong},
journal= {arXiv preprint arXiv:1406.7525},
year = {2014}
}
备注
14 pages,11 figures