TLD-READY: Traffic Light Detection -- Relevance Estimation and Deployment Analysis
计算机视觉与模式识别
2025-05-02 v1 机器学习
摘要
有效的交通灯检测是自动驾驶感知堆栈中的关键组件。本工作提出了一种新型深度学习检测系统，解决了前期工作的挑战。我们综合了包括博世小型交通灯数据集、LISA、DriveU交通灯数据集以及卡尔斯鲁厄机构提供的专有数据集在内的全面数据集，确保在多种场景下进行稳健评估。此外，我们提出了一种相关性估计系统，创新性地利用道路上的方向性箭头标记，无需先前创建地图。在DriveU数据集上，该方法实现了96%的相关性估计准确率。最后进行了实际环境下的评估，以评估这些模型的部署和泛化能力。为提高可重复性并促进进一步研究，我们提供了模型权重和代码：https://github.com/KASTEL-MobilityLab/traffic-light-detection
引用
@article{arxiv.2409.07284,
title = {TLD-READY: Traffic Light Detection -- Relevance Estimation and Deployment Analysis},
author = {Nikolai Polley and Svetlana Pavlitska and Yacin Boualili and Patrick Rohrbeck and Paul Stiller and Ashok Kumar Bangaru and J. Marius Zöllner},
journal= {arXiv preprint arXiv:2409.07284},
year = {2025}
}