OFFSEG：一种面向越野驾驶的语义分割框架
计算机视觉与模式识别
2024-09-02 v1 机器人学
摘要
由于存在不平地形、非结构化类别边界、不规则特征以及强纹理，越野图像语义分割具有挑战性。这些方面会影响车辆对环境的感知，而该感知信息被用于路径规划。当前的越野数据集存在类别不平衡以及难以理解多变环境地形等问题。为克服这些问题，我们提出了一种名为 OFFSEG 的越野语义分割框架，其包含：(i) 使用最先进的深度学习架构进行四类别（天空、可通行区域、不可通行区域和障碍物）的池化类语义分割；(ii) 一种颜色分割方法，从可通行区域中分割出特定子类（草、水坑、泥土、碎石等），以实现更好的场景理解。该框架在两个越野驾驶数据集（即 RELLIS-3D 和 RUGD）上进行了评估。我们还在 IISERB 校园帧上测试了所提出的框架。结果表明，OFFSEG 取得了良好的性能，并提供了关于可通行区域的详细信息。
引用
@article{arxiv.2103.12417,
title = {OFFSEG: A Semantic Segmentation Framework For Off-Road Driving},
author = {Kasi Viswanath and Kartikeya Singh and Peng Jiang and Sujit P. B. and Srikanth Saripalli},
journal= {arXiv preprint arXiv:2103.12417},
year = {2024}
}