从单目图像中学习物体特定距离
计算机视觉与模式识别
2019-09-11 v1
摘要
环境感知，包括物体检测与距离估计，是自动驾驶中最关键的任务之一。许多研究关注物体检测任务，但距离估计在计算机视觉界仅引起少量兴趣。观察到传统的逆透视映射算法对远离相机或在弯曲道路上的物体表现不佳，本文通过开发首个端到端基于学习的模型来直接预测图像中给定物体的距离，从而解决这一具有挑战性的距离估计问题。除引入基于学习的基础模型外，我们进一步设计了一个带关键点回归器的增强模型，其中定义了投影损失以强化更好的距离估计，尤其针对靠近相机的物体。为促进该任务的研究，我们构建了扩展的 KITTI 和 nuScenes (mini) 物体检测数据集，为每个物体标注了距离。我们的实验表明，所提方法在物体特定距离估计上优于替代方法（例如传统 IPM、SVR），特别是对于物体在弯曲道路上的挑战性情况。此外，性能差距体现了我们增强方法的有效性。
引用
@article{arxiv.1909.04182,
title = {Learning Object-specific Distance from a Monocular Image},
author = {Jing Zhu and Yi Fang and Husam Abu-Haimed and Kuo-Chin Lien and Dongdong Fu and Junli Gu},
journal= {arXiv preprint arXiv:1909.04182},
year = {2019}
}
备注
10 pages, 6 figures, accepted by International Conference on Computer Vision (ICCV) 2019