正确的（角度）视角：利用增强逆透视映射改进道路场景理解
计算机视觉与模式识别
2019-05-03 v2 机器人学
摘要
自动驾驶车辆执行的许多任务，如道路标线检测、目标跟踪和路径规划，在鸟瞰视角下更为简单。因此，常采用逆透视映射（IPM）来消除车辆前置摄像头的透视效应，并将其图像重映射到 2D 域，从而得到俯视图。然而，遗憾的是，由于摄像头的分辨率，这会导致远处物体出现不自然的模糊和拉伸，限制了适用性。在本文中，我们提出一种对抗学习方法，用于从单张摄像头图像实时生成显著改进的 IPM。生成的鸟瞰图包含更清晰的特征（如道路标线）和更均匀的照明，同时（动态）物体被自动从场景中移除，从而以改进的方式揭示底层道路布局。我们使用来自 Oxford RobotCar Dataset 的真实世界数据演示了我们的框架，并表明场景理解任务直接受益于我们增强的 IPM 方法。
引用
@article{arxiv.1812.00913,
title = {The Right (Angled) Perspective: Improving the Understanding of Road Scenes Using Boosted Inverse Perspective Mapping},
author = {Tom Bruls and Horia Porav and Lars Kunze and Paul Newman},
journal= {arXiv preprint arXiv:1812.00913},
year = {2019}
}
备注
equal contribution of first two authors, 8 full pages, 6 figures, accepted at IV 2019