基于深度学习与物体先验的单目相机实时三维姿态估计在自主赛车上的应用
计算机视觉与模式识别
2018-09-28 v1 机器人学
摘要
我们提出了一套完整的流程，仅使用单幅图像即可实现物体检测并同时估计这些多个物体实例的姿态。我们引入了一种带有交比项的新型“关键点回归”方案，该方案利用关于物体形状与尺寸的先验信息来回归并找到特定特征点。此外，利用关于物体的先验三维信息来匹配2D-3D对应点，并准确估计最远达15m距离内的物体位置。我们给出了对结果的详细讨论以及对流程的深入分析。该流程在低功耗的Jetson TX2上高效运行，并作为感知流程的一部分部署在一辆以54 km/hr最高速度巡航的实时自动驾驶车辆上。
引用
@article{arxiv.1809.10548,
title = {Real-time 3D Pose Estimation with a Monocular Camera Using Deep Learning and Object Priors On an Autonomous Racecar},
author = {Ankit Dhall},
journal= {arXiv preprint arXiv:1809.10548},
year = {2018}
}