Hough2Map——用于高速铁路建图的迭代式基于事件的 Hough 变换
机器人学
2021-03-30 v2 计算机视觉与模式识别
摘要
为应对铁路系统日益增长的运输需求，需要准确、鲁棒且高频的定位，以实现对现有铁路基础设施的安全高效利用。作为定位系统的基础，我们提出了一种完整的车载建图流程，能够映射鲁棒且有意义的路标，例如车辆附近电力线的杆状物。此类杆状物即使在恶劣天气条件或季节变化下也是可靠且长期的路标的好候选。为解决铁路场景中的运动模糊和光照变化挑战，我们采用了 Dynamic Vision Sensor，一种新颖的基于事件的相机。使用侧向朝向的车载相机，杆状物呈现为垂直线。为在实时事件流中映射此类线，我们引入了 Hough2Map，一种新颖的连续迭代式基于事件的 Hough 变换框架，能够检测、跟踪并三角化附近结构。我们在典型使用场景的真实世界数据上展示了 Hough2Map 的建图可靠性和准确性，并使用已测量的基础设施真值地图进行评估。Hough2Map 实现了高达 92% 的检测可靠性和 1.1518m 的建图均方根误差精度。
引用
@article{arxiv.2102.08145,
title = {Hough2Map -- Iterative Event-based Hough Transform for High-Speed Railway Mapping},
author = {Florian Tschopp and Cornelius von Einem and Andrei Cramariuc and David Hug and Andrew William Palmer and Roland Siegwart and Margarita Chli and Juan Nieto},
journal= {arXiv preprint arXiv:2102.08145},
year = {2021}
}
备注
Florian Tschopp, Cornelius von Einem, and Andrei Cramariuc contributed equally to this work