PillarFlow:面向自动驾驶的端到端鸟瞰流估计
计算机视觉与模式识别
2020-09-01 v3 机器学习
机器人学
摘要
在自动驾驶中,准确估计周围障碍物的状态对于安全稳健的路径规划至关重要。然而,由于外观与遮挡变化,该感知任务十分困难,尤其对于通用障碍物/物体。为解决这个问题,我们提出一种基于 LIDAR 的鸟瞰图(BeV)流估计端到端深度学习框架。我们的方法以连续点云对作为输入,产生描述每个单元动态状态的二维 BeV 流网格。实验结果表明,所提方法不仅准确估计二维 BeV 流,还提升了动态与静态物体的跟踪性能。
引用
@article{arxiv.2008.01179,
title = {PillarFlow: End-to-end Birds-eye-view Flow Estimation for Autonomous Driving},
author = {Kuan-Hui Lee and Matthew Kliemann and Adrien Gaidon and Jie Li and Chao Fang and Sudeep Pillai and Wolfram Burgard},
journal= {arXiv preprint arXiv:2008.01179},
year = {2020}
}
备注
Accepted by IROS 2020