用于语义分割的模块化传感器融合
计算机视觉与模式识别
2018-07-31 v1 机器人学
摘要
传感器融合是机器人系统中的基本过程,因其扩展了感知范围并提升了真实世界作业中的鲁棒性。当前基于多传感器深度学习的语义分割方法,无法对单一模态中表现不佳的类别提供鲁棒性,或需要特定架构且能访问完全对齐的多传感器训练数据。本文中,我们分析用于语义分割的统计融合方法,其克服上述缺陷同时保持有竞争力的性能。所研究方法在构造上是模块化的,允许各模态使用不同训练集,且仅需小得多的子集来校准统计模型。我们评估了一系列统计融合方法,并在真实世界与仿真数据上报告其相对于SOTA基线的性能。实验中,该方法在IoU上比较最佳单模态分割结果提升达5%。我们公开所有实现与配置。
引用
@article{arxiv.1807.11249,
title = {Modular Sensor Fusion for Semantic Segmentation},
author = {Hermann Blum and Abel Gawel and Roland Siegwart and Cesar Cadena},
journal= {arXiv preprint arXiv:1807.11249},
year = {2018}
}
备注
preprint of a paper presented at the IEEE International Conference on Intelligent Robots and Systems 2018