基于RGB-D与深度学习的自主爬楼梯楼梯检测
计算机视觉与模式识别
2022-12-12 v2 机器人学
摘要
楼梯是城市环境中常见的建筑结构，楼梯检测是自主移动机器人环境感知的重要组成部分。现有大多数算法难以有效结合双目传感器的视觉信息，且无法保证在夜间及视觉线索极度模糊情况下的可靠检测。为解决这些问题，我们提出了一种以RGB图和深度图为输入的神经网络架构。具体而言，我们设计了一个选择性模块，使网络能够学习RGB图与深度图之间的互补关系，并在不同场景下有效融合两者的信息。此外，我们设计了一种用于检测结果后处理的直线聚类算法，可充分利用检测结果获取楼梯的几何参数。在我们自建数据集上的实验表明，与现有最先进的深度学习方法相比，我们的方法在准确率和召回率上分别提升了5.64%和7.97%，且检测速度极快。轻量版在相同分辨率下可达到每秒300+帧，能满足大多数实时检测场景的需求。
引用
@article{arxiv.2212.01098,
title = {RGB-D-based Stair Detection using Deep Learning for Autonomous Stair Climbing},
author = {Chen Wang and Zhongcai Pei and Shuang Qiu and Zhiyong Tang},
journal= {arXiv preprint arXiv:2212.01098},
year = {2022}
}