PathFinder：基于注意力机制的移动机器人动态非视距追踪
计算机视觉与模式识别
2024-04-09 v1 机器人学
摘要
由于在救援行动和自动驾驶汽车行人检测等诸多潜在应用，非视距（NLOS）成像的研究日益增长。然而，在移动相机上实现 NLOS 成像仍是一个开放的研究领域。现有 NLOS 成像方法依赖需要精确光学对准的时间分辨探测器和激光配置，使其难以部署于动态环境中。本工作提出了一种数据驱动的 NLOS 成像方法 PathFinder，该方法可应用于搭载标准 RGB 相机的小型功率受限移动机器人（如空中无人机）上。我们的实验流程旨在精确估计在 Manhattan 世界环境中移动且始终处于相机视野外的人员的 2D 轨迹。我们引入了一种新方法，利用基于注意力的神经网络处理视距（LOS）视频中的动态连续帧序列，以实现实时推理。该方法还包括一个预处理选择指标，用于分析来自移动相机的包含多个垂直平面（如墙壁和建筑外墙）的图像，并提取能返回最大 NLOS 信息的平面。我们利用无人机进行视频采集，在自然场景中验证了该方法，从而展示了在动态采集环境下的低成本 NLOS 成像。
引用
@article{arxiv.2404.05024,
title = {PathFinder: Attention-Driven Dynamic Non-Line-of-Sight Tracking with a Mobile Robot},
author = {Shenbagaraj Kannapiran and Sreenithy Chandran and Suren Jayasuriya and Spring Berman},
journal= {arXiv preprint arXiv:2404.05024},
year = {2024}
}
备注
First two authors have equal contribution