TEDNet：用于二维相机与 LiDAR 道路检测的双编码器-解码器神经网络
计算机视觉与模式识别
2024-05-15 v1
摘要
自动驾驶地面车辆需要稳健的道路表面估计以实现安全导航。尽管这近年来已成为自动驾驶出行研究人员的主要目标之一，但它仍然是一个开放性问题，其中相机和 LiDAR 传感器已被证明能够充分预测车辆在不同环境中行驶道路的位置、大小和形状。在本工作中，提出了一种新颖的卷积神经网络模型，用于精确估计道路表面。此外，我们进行了一项消融研究，以探讨不同的编码策略如何影响模型性能，测试了 6 种稍有不同的神经网络架构。我们的模型基于使用双编码器-解码器神经网络（TEDNet）进行独立的相机和 LiDAR 特征提取，并在 Kitti-Road 数据集上进行了训练和评估。该模型使用相机和 LiDAR 数据的鸟瞰图投影来执行语义分割，以判断每个像素是否属于道路表面。所提出的方法表现与其他 SOTA 方法相当，并以与 LiDAR 和相机相同的帧率运行，因此适用于实时应用。
引用
@article{arxiv.2405.08429,
title = {TEDNet: Twin Encoder Decoder Neural Network for 2D Camera and LiDAR Road Detection},
author = {Martín Bayón-Gutiérrez and María Teresa García-Ordás and Héctor Alaiz Moretón and Jose Aveleira-Mata and Sergio Rubio Martín and José Alberto Benítez-Andrades},
journal= {arXiv preprint arXiv:2405.08429},
year = {2024}
}
备注
Source code: https://github.com/martin-bayon/TEDNet