面向自动驾驶汽车的深度学习与先验地图交通灯识别
计算机视觉与模式识别
2020-07-06 v1 机器学习
机器人学
机器学习
摘要
自动驾驶地面车辆必须能够感知交通灯并识别其当前状态，才能与人类驾驶员共享道路。大多数情况下，人类驾驶员可以轻松识别相关交通灯。为解决这一问题，自动驾驶汽车的一种常见方案是将识别与先验地图相结合。然而，交通灯的检测与识别仍需额外的解决方案。深度学习技术在包括交通相关问题在内的诸多领域展现出强大的性能和泛化能力。受深度学习进展的推动，近期一些工作利用最先进的深度检测器从 2D 相机图像中定位（并进一步识别）交通灯。然而，尚无工作将基于深度学习的检测器的能力与先验地图相结合，以识别相关交通灯的状态。基于此，本工作提出将基于深度学习的检测能力与我们汽车平台 IARA（智能自主机器人汽车）所使用的先验地图相集成，以识别预定义路线的相关交通灯。该过程分为两个阶段：离线阶段用于地图构建和交通灯标注；在线阶段用于交通灯识别及相关交通灯的判定。所提出的系统在 Vitória 市的五个测试用例（路线）上进行了评估，每个用例包含一个视频序列和一张标有该路线相关交通灯的先验地图。结果表明，所提出的技术能够沿轨迹正确识别相关交通灯。
引用
@article{arxiv.1906.11886,
title = {Traffic Light Recognition Using Deep Learning and Prior Maps for Autonomous Cars},
author = {Lucas C. Possatti and Rânik Guidolini and Vinicius B. Cardoso and Rodrigo F. Berriel and Thiago M. Paixão and Claudine Badue and Alberto F. De Souza and Thiago Oliveira-Santos},
journal= {arXiv preprint arXiv:1906.11886},
year = {2020}
}
备注
Accepted in 2019 International Joint Conference on Neural Networks (IJCNN)