基于地面投影点云数据的仿真到真实伤亡检测学习
计算机视觉与模式识别
2020-02-19 v2 机器人学
摘要
本文解决了使用点云数据的人体检测问题——特别是指人体躺在地面上（即伤亡人员）——使用点云数据。这种检测伤亡人员的能力是移动救援机器人最重要的特性之一，以便其能够自主运行。我们提出了一种基于深度学习的伤亡检测方法，使用深度卷积神经网络（CNN）。该网络经训练后能够利用点云数据输入检测伤亡人员。在我们提出的方法中，点云输入经过预处理以生成类深度图像的地面投影高度图。该高度图基于点云数据中每个点投影到检测到的地平面上的距离生成。生成的高度图——以图像形式——随后用作CNN的输入以检测躺在地面上的人体。为训练神经网络，我们提出了一种新颖的仿真到真实（sim-to-real）方法，其中网络模型使用仿真中获得的合成数据进行训练，然后在真实传感器数据上进行测试。为使模型可迁移至真实数据应用，在训练期间我们对合成训练数据采用特定的数据增强策略。实验结果表明，在训练过程中引入的数据增强对于提升训练模型在真实数据上的性能至关重要。更具体地，结果表明对原始点云数据的数据增强显著改善了训练模型的性能。
引用
@article{arxiv.1908.03057,
title = {Sim-to-Real Learning for Casualty Detection from Ground Projected Point Cloud Data},
author = {Roni Permana Saputra and Nemanja Rakicevic and Petar Kormushev},
journal= {arXiv preprint arXiv:1908.03057},
year = {2020}
}
备注
10 pages, 10 figures, accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2019