基于街景图像的目标跟踪与地理定位

从街景图像中对静态物体进行地理定位具有挑战性，但对道路资产建图与自动驾驶十分重要。本文提出一个两阶段框架，从低帧率街景视频中检测并地理定位交通标志。我们提出的系统使用改进版 RetinaNet（GPS-RetinaNet），除标准分类与边界框回归外，还预测每个标志相对于相机的位置偏移。GPS-RetinaNet 的候选标志检测结果由我们的自定义跟踪器凝缩为地理定位标志，该跟踪器由学习型度量网络与匈牙利算法（Hungarian Algorithm）变体组成。我们的度量网络估计检测对之间的相似度，随后匈牙利算法利用度量网络给出的相似度分数跨图像匹配检测。我们的模型使用更新版的 ARTS 数据集训练，该集含 25,544 张图像与 47.589 个标志标注 ~\cite{arts}。所提数据集涵盖从广泛道路中采集的多样环境。每个标注含标志类别标签、地理空间位置、装配标签、道路侧指示符，以及有助于评估的唯一标识符。该数据集将支持领域未来进展，所提系统展示了如何利用真实地理定位数据集的若干独特性质。