MARF：用于2D激光雷达腿部检测的多尺度自适应切换随机森林
机器人学
2022-04-15 v1 机器学习
摘要
对于基于2D激光的任务，例如行人检测和行人跟踪，腿部检测通常是第一步。因此，它在决定行人检测和行人跟踪的性能方面举足轻重。然而，许多腿部检测器忽略了不可避免的噪声和激光扫描的多尺度特性，这使得它们对点云不可靠特征敏感，并进一步降低了腿部检测器的性能。在本文中，我们提出了一种多尺度自适应切换随机森林（MARF）来克服这两个挑战。首先，设计自适应切换决策树，使用噪声敏感特征进行加权分类，使用噪声不变特征进行二分类，使我们的检测器对噪声更鲁棒。其次，考虑到2D点云稀疏度与激光束长度成正比的多尺度特性，我们设计了一种多尺度随机森林结构来检测不同距离处的腿部。此外，所提方法使我们能够从点云中发现比其他方法更稀疏的人腿。因此，我们的方法在具有挑战性的Moving Legs数据集上相比其他最先进的腿部检测器表现出改进的性能，并在低计算量笔记本电脑上以60+ FPS的速度保持整个流水线。此外，我们进一步将所提MARF应用于行人检测与跟踪系统，在所有指标上均取得了可观的提升。
引用
@article{arxiv.2204.06833,
title = {MARF: Multiscale Adaptive-switch Random Forest for Leg Detection with 2D Laser Scanners},
author = {Tianxi Wang and Feng Xue and Yu Zhou and Anlong Ming},
journal= {arXiv preprint arXiv:2204.06833},
year = {2022}
}
备注
Accepted by Transactions on Cybernetics (TCYB)