面向无人地面车辆自主回收的实时关键点检测
计算机视觉与模式识别
2021-07-28 v1
摘要
小型无人地面车辆（UGV）与大型无人运载车的组合在危险场景救援等实际应用中具有更高的灵活性。用于引导小型UGV返回运载车的自主回收系统是实现两车无缝结合的关键组成部分。本文提出一种新颖的自主回收框架，采用低成本单目视觉系统，在导航过程中为UGV提供精确的定位与姿态估计。首先，我们引入一种称为UGV-KPNet的轻量级卷积神经网络，用于从单目相机捕获的图像中检测小型UGV的关键点。UGV-KPNet计算高效、参数量少，并能实时提供像素级准确的关键点检测结果。随后，利用检测到的关键点估计六自由度位姿，以获取UGV的定位与姿态信息。此外，我们首次构建了大规模的UGV真实世界关键点数据集。实验结果表明，所提系统在UGV关键点检测的精度与速度上均达到最先进的性能，并能够进一步提升UGV的6-DoF位姿估计。
引用
@article{arxiv.2107.12852,
title = {Real-time Keypoints Detection for Autonomous Recovery of the Unmanned Ground Vehicle},
author = {Jie Li and Sheng Zhang and Kai Han and Xia Yuan and Chunxia Zhao and Yu Liu},
journal= {arXiv preprint arXiv:2107.12852},
year = {2021}
}
备注
IET Image Processing, code: https://github.com/waterljwant/UGV-KPNet