基于地平面轮询的路面物体六自由度位姿估计
计算机视觉与模式识别
2020-02-11 v4
摘要
本文提出一种利用单目图像为地面上的物体生成精确 3D 检测框的方法。我们通过融合 2D 视觉线索、3D 物体尺寸和地平面约束来生成对微小误差与错误预测具有鲁棒性的检测框。首先，我们训练一个单阶段卷积神经网络（CNN），其产生多个感兴趣的视觉与几何线索：2D 边界框、感兴趣 2D 关键点、粗略物体朝向和物体尺寸。随后，这些线索的子集被用于从预计算的地平面数据库中轮询可能的地平面，以识别具有最高一致性的“最佳拟合”平面。一旦识别，该“最佳拟合”平面提供足够约束以成功构建所需的 3D 检测框，而无需直接预测物体的 6DoF 位姿。整个地平面轮询（GPP）过程被构建为 CNN 的一个非参数化层，其输出所需的“最佳拟合”平面及相应的 3D 关键点，二者共同定义最终的 3D 边界框。这样做使我们能够轮询数千种不同的地平面配置而无需增加可观开销，同时创建可直接产生所需输出而无需后处理的单一 CNN。我们在具有挑战性的 KITTI 数据集的 2D 检测与朝向估计基准上评估了我们的方法，并提供了针对重要 3D 指标的额外比较。该单阶段、单遍 CNN 相较于更复杂且计算昂贵的单目方法实现了更优的定位于朝向估计。
引用
@article{arxiv.1811.06666,
title = {Ground Plane Polling for 6DoF Pose Estimation of Objects on the Road},
author = {Akshay Rangesh and Mohan M. Trivedi},
journal= {arXiv preprint arXiv:1811.06666},
year = {2020}
}