基于激光雷达引导的单目3D目标检测：面向长距离铁路监控
计算机视觉与模式识别
2025-04-28 v1 机器学习
摘要
铁路系统，特别是德国的铁路系统，需要实现高水平的自动化以应对旧基础设施的挑战并安全地增加列车运行量。自动化的关键组成部分是鲁棒的长距离感知能力，这对于提前检测危险情况至关重要，例如十字路口的障碍物或轨道上的行人。与汽车系统的制动距离约为70米不同，列车需要感知范围超过1公里。本文提出了一种针对自动化火车的长距离3D目标检测方法，仅依赖单目图像，灵感来源于Faraway-Frustum方法，并在训练过程中融合LiDAR数据以改进深度估计。该方法由四个关键模块构成：(1) modified YOLOv9用于2.5D目标检测，(2)深度估计网络，(3-4)专门的短程和长程3D检测头。在OSDaR23数据集上的评估表明，该方法在检测距离达250米的目标方面效果显著。结果凸显了该方法在铁路自动化中的潜力，并概述了未来改进的方向。
引用
@article{arxiv.2504.18203,
title = {LiDAR-Guided Monocular 3D Object Detection for Long-Range Railway Monitoring},
author = {Raul David Dominguez Sanchez and Xavier Diaz Ortiz and Xingcheng Zhou and Max Peter Ronecker and Michael Karner and Daniel Watzenig and Alois Knoll},
journal= {arXiv preprint arXiv:2504.18203},
year = {2025}
}
备注
Accepted for the Data-Driven Learning for Intelligent Vehicle Applications Workshop at the 36th IEEE Intelligent Vehicles Symposium (IV) 2025