基于车载图像的鸟瞰图结构化交通场景理解
计算机视觉与模式识别
2021-10-06 v1
摘要
自主导航需要对道路网络的结构化表示以及其他交通参与者的实例级识别。由于交通场景定义于地平面，这对应于鸟瞰图（BEV）中的场景理解。然而，自动驾驶汽车的车载摄像头通常水平安装以获得更好的周围视野，使得该任务极具挑战性。本工作中，我们研究从单张车载摄像头图像中提取表示 BEV 坐标下局部道路网络的有向图的问题。此外，我们展示了该方法可扩展至检测 BEV 平面上的动态物体。被检测物体的语义、位置与朝向连同道路图一起，促进了对场景的全面理解。此类理解对于路径规划与导航等下游任务至关重要。我们针对强大的基线方法验证了我们的方法，并表明我们的网络取得了更优性能。我们还通过消融实验展示了各种设计选择的影响。代码：https://github.com/ybarancan/STSU
引用
@article{arxiv.2110.01997,
title = {Structured Bird's-Eye-View Traffic Scene Understanding from Onboard Images},
author = {Yigit Baran Can and Alexander Liniger and Danda Pani Paudel and Luc Van Gool},
journal= {arXiv preprint arXiv:2110.01997},
year = {2021}
}
备注
ICCV 2021