面向无人机远距离目标级单目深度估计
计算机视觉与模式识别
2023-02-20 v1
摘要
基于计算机视觉的目标检测是实现无人机自主飞行任务的高级探测与规避系统的关键模态。虽然标准的目标检测框架不预测目标的实际深度，但此信息对于避免碰撞至关重要。在本文中，我们针对远距离图像的单目目标检测，对最先进的方法提出了几项新颖的扩展。首先，在将深度估计建模为回归任务时，我们提出了 Sigmoid 和类 ReLU 编码。其次，我们将深度估计构建为一个分类问题，并在训练损失的计算中引入了 Soft-Argmax 函数。这些扩展被示范性地应用于 YOLOX 目标检测框架。我们使用 Amazon Airborne Object Tracking 数据集评估了性能。此外，我们引入了 Fitness 分数作为一种新指标，用于联合评估目标检测和深度估计的性能。我们的结果表明，所提出的方法在现有指标以及所提出的指标上均优于最先进的方法。
引用
@article{arxiv.2302.08943,
title = {Long Range Object-Level Monocular Depth Estimation for UAVs},
author = {David Silva and Nicolas Jourdan and Nils Gählert},
journal= {arXiv preprint arXiv:2302.08943},
year = {2023}
}
备注
16 pages, SCIA 2023