MC-BEVRO：用于交通监控的多相机鸟瞰图道路占用检测
计算机视觉与模式识别
2025-02-18 v1
摘要
单相机三维感知用于交通监控面临遮挡和视场有限等重大挑战。此外，由于不同视角，在图像特征层面融合多相机信息也很困难。此外，实际实施的需要以及与现有交通基础设施的兼容性进一步加剧了这些挑战。为解决这些问题，本文提出了一种利用多路边相机来克服上述局限的新型鸟瞰图（BEV）道路占用检测框架。为促进该框架的开发和评估，使用 CARLA 模拟器生成了包含多样场景和不同相机配置的综合数据集。在所提出的框架中实现了后期融合和三种前期融合方法，并通过整合背景进一步增强了性能。进行了广泛评估以分析多相机输入和不同 BEV 占用图大小对模型性能的影响。此外，开发了真实世界数据采集流程以评估模型向真实环境泛化的能力。使用零样本和少样本微调评估了模型的仿真到真实能力，展示了其实际应用的潜力。本研究旨在推进交通监控中的感知系统，为改善交通管理、运营效率和道路安全做出贡献。
引用
@article{arxiv.2502.11287,
title = {MC-BEVRO: Multi-Camera Bird Eye View Road Occupancy Detection for Traffic Monitoring},
author = {Arpitsinh Vaghela and Duo Lu and Aayush Atul Verma and Bharatesh Chakravarthi and Hua Wei and Yezhou Yang},
journal= {arXiv preprint arXiv:2502.11287},
year = {2025}
}