基于多边形表示的全局停车位检测
计算机视觉与模式识别
2023-12-29 v1
摘要
高级驾驶辅助系统（ADAS）中当前的停车位检测主要依赖超声波传感器。该方法存在若干局限，例如需在检测前扫描整个停车位、无法检测一排中的多个车位、以及难以对车位进行分类。由于视觉环境复杂，车辆配备环视摄像头系统以检测空余停车位。该领域以往研究多使用图像域模型解决问题。这些两阶段方法利用相机标定将 2D 检测与 3D 位姿估计步骤分离。本文提出一步式全局停车位网络（HPS-Net），即 You Only Look Once (YOLO)v4 算法的定制适配。这种基于相机的方法直接在俯视域输出停车位的四个顶点坐标，而非原始相机图像中的边界框。可从不同角度提出若干可见点与形状。我们还提出一种名为多边形角点广义交并比（GIoU）的新型回归损失函数，用于多边形顶点位置优化，以处理车位朝向并区分入口线。实验表明，HPS-Net 能在我们的内部 Valeo 停车位数据集（VPSD）上以 0.92 的 F1 分数、在公开数据集 PS2.0 上以 0.99 的 F1 分数检测各类空余停车位。它在室内（F1：0.86）或铺装地面（F1：0.91）等多种停车场景中提供了令人满意的泛化性与鲁棒性。此外，它在 Nvidia Drive AGX Xavier 上实现了 17 FPS 的实时检测速度。演示视频见 https://streamable.com/75j7sj。
引用
@article{arxiv.2310.11629,
title = {Holistic Parking Slot Detection with Polygon-Shaped Representations},
author = {Lihao Wang and Antonyo Musabini and Christel Leonet and Rachid Benmokhtar and Amaury Breheret and Chaima Yedes and Fabian Burger and Thomas Boulay and Xavier Perrotton},
journal= {arXiv preprint arXiv:2310.11629},
year = {2023}
}