解决非结构化环境中自主导航的场景理解问题
计算机视觉与模式识别
2025-07-29 v1 人工智能
摘要
自动驾驶汽车是汽车行业的下一场革命，预计将彻底改变未来交通方式。理解自动驾驶车辆将运行的场景对于其专业功能至关重要。深度学习在迄今为止取得的进展中发挥了巨大作用。语义分割是为图像的每个像素标注对象类别的过程，是使用深度学习进行场景理解的关键组成部分。它在自动驾驶研究中尤其有用，因为需要理解可驾驶和不可驾驶区域、路边物体等。在本文中，对在班加罗尔和海德拉巴的城市和农村道路上编译的印度驾驶数据集上进行了语义分割。该数据集与像 Cityscapes 这样的数据集相比更具挑战性，因为它基于非结构化驾驶环境。它具有四级层次结构，本文对第一级进行了分割。已训练五个不同模型并使用平均交并比 (Mean Intersection over Union) 对其性能进行了比较。实现的最高 MIOU 为 0.6496。论文讨论了数据集、探索性数据分析、准备、五个模型的实现以及对其性能和所取得结果的比较。
引用
@article{arxiv.2507.20389,
title = {Solving Scene Understanding for Autonomous Navigation in Unstructured Environments},
author = {Naveen Mathews Renji and Kruthika K and Manasa Keshavamurthy and Pooja Kumari and S. Rajarajeswari},
journal= {arXiv preprint arXiv:2507.20389},
year = {2025}
}