RoadBEV：鸟瞰视角下的路面重建
计算机视觉与模式识别
2024-08-08 v3
摘要
路面状况，尤其是几何轮廓，极大地影响自动驾驶车辆的行驶性能。基于视觉的在线道路重建有望提前获取道路信息。现有的解决方案如单目深度估计和立体匹配性能一般。最近的鸟瞰视角（BEV）感知技术为更可靠和精确的重建提供了巨大潜力。本文统一提出了两种简单而有效的用于BEV道路高程重建的模型，分别名为RoadBEV-mono和RoadBEV-stereo，它们分别使用单目和立体图像估计道路高程。前者基于从图像视角查询的体素特征直接拟合高程值，而后者基于表示左右体素特征相关性的BEV体量高效识别道路高程模式。深入分析揭示了它们与透视视角的一致性和差异。在真实世界数据集上的实验验证了模型的有效性和优越性。RoadBEV-mono和RoadBEV-stereo的高程误差分别达到1.83厘米和0.50厘米。我们的模型有望用于实际道路预览，为提升自动驾驶车辆的安全性和舒适性提供关键信息。代码已发布在https://github.com/ztsrxh/RoadBEV。
引用
@article{arxiv.2404.06605,
title = {RoadBEV: Road Surface Reconstruction in Bird's Eye View},
author = {Tong Zhao and Lei Yang and Yichen Xie and Mingyu Ding and Masayoshi Tomizuka and Yintao Wei},
journal= {arXiv preprint arXiv:2404.06605},
year = {2024}
}
备注
Accepted by IEEE TITS https://ieeexplore.ieee.org/document/10618926