面向嵌入式系统的实时交通标志与交通信号灯检测
计算机视觉与模式识别
2022-05-06 v1
摘要
近期关于交通标志与交通信号灯检测的工作聚焦于提升复杂场景下的检测精度，但许多方法难以实现实时性能，尤其是在计算资源受限的情况下。本文中，我们提出了一种简单的基于深度学习的端到端检测框架，有效应对了交通标志与交通信号灯检测固有的挑战，如目标尺寸小、类别数量多以及道路场景复杂。我们使用 TensorRT 优化检测模型，并与机器人操作系统集成，部署在 Nvidia Jetson AGX Xavier 嵌入式设备上。整个系统实现了 63 帧每秒的高推理速度，证明了我们的系统具备实时运行能力。此外，我们引入了 CeyRo，这是首个针对斯里兰卡场景的大规模交通标志与交通信号灯检测数据集。我们的数据集共包含 7984 张图像，含 10176 个交通标志与交通信号灯实例，涵盖 70 个交通标志类和 5 个交通信号灯类。图像分辨率为 1920 x 1080，捕捉了不同天气和光照条件下广泛的具有挑战性的道路场景。我们的工作已公开于 https://github.com/oshadajay/CeyRo。
引用
@article{arxiv.2205.02421,
title = {Towards Real-time Traffic Sign and Traffic Light Detection on Embedded Systems},
author = {Oshada Jayasinghe and Sahan Hemachandra and Damith Anhettigama and Shenali Kariyawasam and Tharindu Wickremasinghe and Chalani Ekanayake and Ranga Rodrigo and Peshala Jayasekara},
journal= {arXiv preprint arXiv:2205.02421},
year = {2022}
}
备注
Accepted to 33rd IEEE Intelligent Vehicles (IV) Symposium 2022