基于单目视频的AI走廊用于无模型检测碰撞相关障碍物
机器人学
2023-05-10 v2 系统与控制
系统与控制
摘要
检测道路上先前未见、意外的障碍物是自动驾驶系统的重大挑战。不同于具有可预定义类别的普通物体检测，道路上意外障碍物的检测不能仅靠扩大传感器技术规模（例如高分辨率视频成像器/雷达天线、更密集的LiDAR扫描线）来解决。这是因为意外障碍物的类型繁多，且不具有共同外观（例如散落货物如手提箱或自行车、轮胎碎片、树干）。此外，增加物体类别或将这些物体全部归入一个共同的“意外障碍物”类别也无法扩展。在本文中，我们研究了使用基于深度学习的视频车道走廊（称为“AI自车走廊”）来通过反转问题以缓解该挑战的可行性：AI自车走廊不是检测先前未见物体，而是检测前方自车车道终止。一种智能的真实值定义使得对自车车道突然终止进行基于特征的分类变得容易。我们提出了两种神经网络设计，并尤其研究了使用合成数据训练的潜力。我们在测试车辆平台上评估了我们的方法。结果表明，该方法能够以95%的检测率在多达300 m的距离上检测大量先前未见的障碍物。
引用
@article{arxiv.2304.12219,
title = {Mono Video-Based AI Corridor for Model-Free Detection of Collision-Relevant Obstacles},
author = {Thomas Michalke and Yassin Kaddar and Thomas Nürnberg and Linh Kästner and Jens Lambrecht},
journal= {arXiv preprint arXiv:2304.12219},
year = {2023}
}