利用运动恢复结构定位不可达公交站点
计算机视觉与模式识别
2022-10-10 v1
摘要
检测公共交通站点附近的危险状况对于保障公共交通的安全与无障碍通行十分必要。智慧城市基础设施旨在通过计算机视觉手段促进此项及其他诸多任务。然而，大多数最先进的计算机视觉模型需要数千张图像才能准确检测，而危险状况图像极少，因其通常罕见。本文中，我们研究公交线路沿线积雪人行道的检测。已有工作聚焦于检测大雪中的其他车辆或仅检测积雪存在。但我们的应用有一额外难点：判定积雪是否覆盖重要区域并可能引发跌倒等事故（如人行道积雪），还是仅覆盖某些背景区域（如邻近田地积雪）。该问题涉及在重要区域未必可见时定位其位置。我们提出一种利用运动恢复结构（SfM）而非额外标注数据来解决此问题的方法。具体而言，我们的方法通过在晴朗天气下对公交摄像头图像应用分割模型与 SfM 来学习给定场景中人行道的位置。随后，利用学到的位置检测人行道是否被积雪遮挡及遮挡位置。在多种阈值参数下评估后，我们确定了方法能稳定正确分类不同类别人行道图像的最优范围。尽管我们展示了沿公交线路积雪覆盖的应用，该方法也可推广至其他危险状况。项目代码见 https://github.com/ind1010/SfM_for_BusEdge。
引用
@article{arxiv.2210.03646,
title = {Leveraging Structure from Motion to Localize Inaccessible Bus Stops},
author = {Indu Panigrahi and Tom Bu and Christoph Mertz},
journal= {arXiv preprint arXiv:2210.03646},
year = {2022}
}