StereoVoxelNet：基于立体相机占用体素与深度神经网络的实时障碍物检测
机器人学
2023-03-07 v2 计算机视觉与模式识别
摘要
障碍物检测是机器人导航中安全关键的问题，其中立体匹配是一种流行的基于视觉的方法。虽然深度神经网络在计算机视觉中已展现出令人印象深刻的成果，但以往大多数障碍物检测工作仅利用传统立体匹配技术以满足实时反馈的计算约束。本文提出一种计算高效的方法，采用深度神经网络直接从立体图像检测占用情况。我们的方法不学习立体数据的点云对应关系，而是基于体素表示提取紧凑的障碍物分布。此外，我们根据解码器生成的八叉树以由粗到细的方式剪枝与安全无关空间的计算。结果，我们在车载计算机（NVIDIA Jetson TX2）上实现了实时性能。我们的方法在32米范围内准确检测障碍物，并以仅最先进立体模型2%的计算成本取得了更好的IoU（交并比）和CD（倒角距离）分数。此外，我们通过真实机器人的自主导航实验验证了方法的鲁棒性与现实可行性。因此，我们的工作有助于缩小机器人感知中基于立体的系统与计算机视觉中最先进立体模型之间的差距。为应对高质量真实世界室内立体数据集的匮乏，我们采集了1.36小时的移动机器人立体数据集用于微调模型。该数据集、代码以及包含额外可视化的进一步细节发布于 https://lhy.xyz/stereovoxelnet
引用
@article{arxiv.2209.08459,
title = {StereoVoxelNet: Real-Time Obstacle Detection Based on Occupancy Voxels from a Stereo Camera Using Deep Neural Networks},
author = {Hongyu Li and Zhengang Li and Neset Unver Akmandor and Huaizu Jiang and Yanzhi Wang and Taskin Padir},
journal= {arXiv preprint arXiv:2209.08459},
year = {2023}
}
备注
Accepted by ICRA 2023