RST-MODNet：面向自动驾驶的实时时空运动目标检测
计算机视觉与模式识别
2019-12-03 v1 机器学习
机器人学
机器学习
摘要
运动目标检测（MOD）是自动驾驶车辆的一项关键任务，因为运动物体比静止物体具有更高的碰撞风险。自车轨迹是根据所检测运动物体未来状态进行规划的。该任务极具挑战性，因为必须建模并补偿自车运动以理解周围物体的运动。本工作中，我们提出一种利用时空上下文以提升鲁棒性的实时端到端CNN架构用于MOD。我们构建了一种新颖的时序感知架构，除使用光流图像显式运动图外，还挖掘序列图像中嵌入的时间运动信息。我们在KITTI数据集上展示了算法效果，相对基线获得8%的提升。我们将算法与最先进方法比较，在KITTI-Motion数据集上以三倍更优运行时间取得具有竞争力的精度结果。所提算法在标准桌面GPU上以23 fps运行，目标部署于嵌入式平台。
引用
@article{arxiv.1912.00438,
title = {RST-MODNet: Real-time Spatio-temporal Moving Object Detection for Autonomous Driving},
author = {Mohamed Ramzy and Hazem Rashed and Ahmad El Sallab and Senthil Yogamani},
journal= {arXiv preprint arXiv:1912.00438},
year = {2019}
}
备注
Accepted for presentation at NeurIPS 2019 Workshop on Machine Learning for Autonomous Driving