面向代客泊车的环视鱼眼 BEV 感知：数据集、基线及失真不敏感多任务框架
计算机视觉与模式识别
2022-12-12 v1
摘要
代客泊车场景下的环视鱼眼感知在自动驾驶中基础且关键。停车场的环境条件不同于常见公开数据集，如光照不佳与遮挡，这显著影响感知性能。大多数基于公开数据集的现有网络在这些代客泊车场景上可能泛化出次优结果，并受鱼眼失真影响。本文引入一个新的大规模鱼眼数据集 Fisheye Parking Dataset (FPD)，以推动处理多样真实环视泊车案例的研究。值得注意的是，我们整理的 FPD 对不同环视感知任务展现出优良特性。此外，我们还提出实时失真不敏感多任务框架 Fisheye Perception Network (FPNet)，通过增强鱼眼失真操作与多任务轻量化设计来改进环视鱼眼 BEV 感知。大量实验验证了方法的有效性及数据集卓越的泛化能力。
引用
@article{arxiv.2212.04111,
title = {Surround-view Fisheye BEV-Perception for Valet Parking: Dataset, Baseline and Distortion-insensitive Multi-task Framework},
author = {Zizhang Wu and Yuanzhu Gan and Xianzhi Li and Yunzhe Wu and Xiaoquan Wang and Tianhao Xu and Fan Wang},
journal= {arXiv preprint arXiv:2212.04111},
year = {2022}
}
备注
12 pages, 11 figures