StixelNExT：面向目标分割与自由空间检测的单目低重量感知

本文提出一种 novel 方法，用于从单目图像中进行通用目标分割，无需手动标记训练数据，即可实现快速、简便的训练和适应，且仅需少量数据。我们的模型在训练过程中初始会从 LiDAR 数据中学习，随后从系统中移除，使其仅能基于单目图像工作。本研究利用 Stixel-World 概念来识别其周围环境的中等层次表示。我们的网络直接预测二维多层 Stixel-World，能够识别并定位图像中多个重叠目标。由于缺乏可比作品，本文将功能划分为模块，并在实验部分呈现自由空间检测。进一步地，我们引入一种改进的从 LiDAR 数据生成 Stixels 的方法，作为网络的ground truth使用。