协同车路系统中鲁棒的二维/三维车辆解析
计算机视觉与模式识别
2021-03-12 v1 机器人学
摘要
我们提出了一种新方法，作为协同车路系统（CVIS）的一部分，在不同相机视角下鲁棒地检测与感知车辆。我们的方法适用于任意相机视角，且不对内参或外参作任何假设。首先，为应对多视角数据稀缺问题，我们提出了一种部件辅助的新视角合成算法用于数据增强。我们以自监督方式训练了一个基于部件的纹理修复网络，然后将带纹理的模型以目标六自由度（6-DoF）位姿渲染到背景图像中。其次，为处理各异的相机参数，我们提出了一种新方法，生成图像像素与三维点之间的稠密映射，以实现鲁棒的二维/三维车辆解析。第三，我们构建了首个用于基准测试的CVIS数据集，标注了来自真实交通场景的超过1540张图像（14017个实例）。我们结合这些新算法与数据集，开发了面向CVIS的鲁棒二维/三维车辆解析方法。在实践中，我们的方法在二维检测、实例分割和六自由度位姿估计上分别优于SOTA方法4.5%、4.3%和2.9%。更多细节与结果见补充材料。为促进未来研究，我们将在GitHub上发布源代码与数据集。
引用
@article{arxiv.2103.06432,
title = {Robust 2D/3D Vehicle Parsing in CVIS},
author = {Hui Miao and Feixiang Lu and Zongdai Liu and Liangjun Zhang and Dinesh Manocha and Bin Zhou},
journal= {arXiv preprint arXiv:2103.06432},
year = {2021}
}