“路灯旁的行人”：用于更优瞬时建图的自适应物体图
计算机视觉与模式识别
2022-04-07 v1
摘要
从单张图像估计语义分割的鸟瞰图（BEV）地图已成为自主控制与导航的流行技术。然而，它们显示出随距相机距离增加而增大的定位误差。尽管这种误差增大完全在预期之中——远距离定位更困难——但性能下降的很大一部分可归因于当前基于纹理的模型所使用的线索，特别是它们大量利用物体-地面交线（如阴影），而对于远处物体这些交线变得愈发稀疏和不确定。在本工作中，我们通过学习场景中物体间的空间关系来解决BEV建图中的这些缺陷。我们提出一种图神经网络，其通过在其他物体上下文中对某一物体进行空间推理，从单目图像预测BEV物体。我们的方法在三个大规模数据集上创下了单目图像BEV估计的新SOTA，包括在nuScenes上物体相对提升50%。
引用
@article{arxiv.2204.02944,
title = {"The Pedestrian next to the Lamppost" Adaptive Object Graphs for Better Instantaneous Mapping},
author = {Avishkar Saha and Oscar Mendez and Chris Russell and Richard Bowden},
journal= {arXiv preprint arXiv:2204.02944},
year = {2022}
}
备注
Accepted to CVPR 2022