深度图像中目标的多类检测与分割
计算机视觉与模式识别
2013-01-24 v1 机器人学
摘要
家庭中的自主人形机器人可以改善许多人的生活质量。为了在人类世界中运作，人形家庭机器人必须能够像人类一样进行自身定位并感知环境；场景感知、目标检测与分割以及 3D 中的目标空间定位是此类人形机器人的基本能力。本文提出了一种 3D 多类目标检测与分割方法。其贡献有两个方面。首先，我们提出了一种多类检测方法，其中以有原则的方式学习了一个最小联合码本。其次，我们使用 RGB-D 图像结合深度信息，这提高了该方法的鲁棒性并给出了目标的 3D 位置——由于机器人在 3D 空间中进行推理，这是必需的。实验表明，多类扩展提高了相对于类别数量的检测效率，而深度扩展提高了检测鲁棒性，并给出了目标充分的自然 3D 位置。
引用
@article{arxiv.1301.5582,
title = {Multi-Class Detection and Segmentation of Objects in Depth},
author = {Cheng Zhang and Hedvig Kjellstrom},
journal= {arXiv preprint arXiv:1301.5582},
year = {2013}
}