SHLE：基于立体视觉的限高设备追踪与深度滤波限高估计
计算机视觉与模式识别
2026-04-07 v2
摘要
近年来，超高车辆撞击事件频繁发生，造成巨大经济损失与严重安全问题。因此，在现代大中型车辆（如旅游客车）中，有必要配备能够提前准确发现任何可能限高设备的预警系统。检测与估计限高设备是成功限高预警系统的关键。尽管已有一些关于限高估计的研究，现有方法要么计算代价过高，要么精度不足。本文提出一种名为SHLE的基于立体视觉的限高估计新流程。我们的SHLE流程包含两个阶段。阶段1引入一种新颖的设备检测与追踪方案，在左或右图像中准确定位限高设备。随后在阶段2，对深度进行时序测量、提取与滤波以计算限高设备高度。为对限高估计任务进行基准测试，我们构建了名为“Disparity Height”的大规模数据集，提供立体图像、预计算视差与真实限高标注。我们在“Disparity Height”上进行了大量实验，结果表明即便车辆距设备70米，SHLE的平均误差仍低于10厘米。我们的方法也优于所有对比基线并达到最先进性能。代码见 https://github.com/Yang-Kaixing/SHLE。
引用
@article{arxiv.2212.11538,
title = {SHLE: Devices Tracking and Depth Filtering for Stereo-based Height Limit Estimation},
author = {Zhaoxin Fan and Kaixing Yang and Min Zhang and Zhenbo Song and Hongyan Liu and Jun He},
journal= {arXiv preprint arXiv:2212.11538},
year = {2026}
}