迷失与发现：自动驾驶车辆的小型道路障碍物检测
计算机视觉与模式识别
2016-09-16 v1 机器人学
摘要
检测前方道路上的小型障碍物是驾驶任务的关键部分，完全自动驾驶汽车必须掌握这一能力。本文提出了一种基于立体视觉的方法，能够从行驶车辆上可靠地检测此类障碍物。所提算法直接在立体图像数据上的视差空间中进行统计假设检验，在独立的局部图像块上评估自由空间与障碍物假设。该检测方法不依赖全局道路模型，可处理静态和动态障碍物。在评估方面，我们采用了一个全新的遗失货物图像序列数据集，包含两千多帧带有障碍物和自由空间像素级标注的图像，并与多种基于立体的基线方法进行了详尽的比较。该数据集将向社区开放，以促进这一重要课题的进一步研究。在我们的评估中，所提方法在像素级和目标级上均优于所有考虑的基线方法，并在 2 兆像素立体图像上以高达 20 Hz 的帧率运行。在 20 米距离处，低误报率下可成功检测到低至 5 厘米高的小型障碍物。
引用
@article{arxiv.1609.04653,
title = {Lost and Found: Detecting Small Road Hazards for Self-Driving Vehicles},
author = {Peter Pinggera and Sebastian Ramos and Stefan Gehrig and Uwe Franke and Carsten Rother and Rudolf Mester},
journal= {arXiv preprint arXiv:1609.04653},
year = {2016}
}
备注
To be presented at IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2016