用于道路检测的渐进式激光雷达自适应
计算机视觉与模式识别
2019-05-17 v1
摘要
尽管基于视觉图像的道路检测发展迅速，但由于光照变化和图像模糊等问题，在视觉图像中鲁棒地识别道路区域仍然具有挑战性。为此，可引入激光雷达（LiDAR）传感器数据以改进基于视觉图像的道路检测，因为LiDAR数据较少受视觉噪声影响。然而，将LiDAR信息引入基于视觉图像的道路检测的主要困难在于，LiDAR数据及其提取的特征与视觉数据和视觉特征不共享同一空间。这种空间上的差距可能限制LiDAR信息对道路检测的益处。为克服该问题，我们提出一种新颖的渐进式LiDAR自适应辅助道路检测（PLARD）方法，将LiDAR信息适配到基于视觉图像的道路检测中并提升检测性能。在PLARD中，渐进式LiDAR自适应由两个相继模块组成：1）数据空间自适应，通过基于高度差的变换将LiDAR数据变换到视觉数据空间以与透视图对齐；2）特征空间自适应，通过级联融合结构将LiDAR特征适配到视觉特征。在著名的KITTI道路检测基准上的全面实证研究表明，PLARD利用了视觉和LiDAR信息的优势，即使在具有挑战性的城市场景中也实现了更鲁棒的道路检测。特别地，PLARD优于其他最先进的道路检测模型，目前位居公开可访问的基准排行榜首位。
引用
@article{arxiv.1904.01206,
title = {Progressive LiDAR Adaptation for Road Detection},
author = {Zhe Chen and Jing Zhang and Dacheng Tao},
journal= {arXiv preprint arXiv:1904.01206},
year = {2019}
}