TADAP：冬季驾驶条件下基于轨迹辅助和预训练自监督特征的可行驶区域自动标注
计算机视觉与模式识别
2023-12-21 v1
摘要
在所有条件下检测可行驶区域对于自动驾驶和高级驾驶辅助系统至关重要。然而，在恶劣驾驶条件下，尤其是冬季，标记数据量有限，且监督方法在训练分布之外的条件下泛化能力差。为了轻松适应所有条件，应从学习过程中消除人工标注的需求。本文提出了TADAP（Trajectory-Aided Drivable area Auto-labeling with Pre-trained self-supervised features），用于冬季驾驶条件下可行驶区域的自动标注。基于全球导航卫星系统的轨迹估计提取可行驶区域样本。基于预训练的自监督视觉特征确定与样本区域的相似性。与样本区域相似的图像区域被认为是可行驶的。这些TADAP标签在一个新颖的冬季驾驶数据集上进行了评估，该数据集收集自不同的驾驶场景。使用TADAP标签训练得到的预测模型，与之前最先进的自监督可行驶区域检测方法相比，交并比提高了+9.6。
引用
@article{arxiv.2312.12954,
title = {TADAP: Trajectory-Aided Drivable area Auto-labeling with Pre-trained self-supervised features in winter driving conditions},
author = {Eerik Alamikkotervo and Risto Ojala and Alvari Seppänen and Kari Tammi},
journal= {arXiv preprint arXiv:2312.12954},
year = {2023}
}