基于运动与单目深度信息在 KITTI 基准上的车速估计评估
计算机视觉与模式识别
2019-07-17 v1 图像与视频处理
摘要
在本技术报告中，我们研究了基于最先进的深度神经网络光流和单视图深度预测方法在 KITTI 基准上对自身车辆的速度估计。采用一种直观直接的方法并近似单个尺度因子，我们评估了深度网络的若干应用方案，并得出有意义的结论：将深度信息与光流结合相比单独使用光流提高了速度估计精度；深度神经网络方法的质量影响速度估计性能；使用宽幅图像中较小裁剪区域的深度和光流结果会降低性能。鉴于这些观察，我们利用 KITTI 基准录制中的单目图像作为输入，实现了车辆速度估计 RMSE 小于 1 m/s。同时也讨论了局限性与可能的未来方向。
引用
@article{arxiv.1907.06989,
title = {Speed estimation evaluation on the KITTI benchmark based on motion and monocular depth information},
author = {Róbert-Adrian Rill},
journal= {arXiv preprint arXiv:1907.06989},
year = {2019}
}
备注
technical report with 16 pages, 3 figures, 7 tables