VALUE：基于大规模投票的城市场景自动标注方法
计算机视觉与模式识别
2020-06-08 v1 机器学习
机器人学
摘要
本文提出了一种简单而鲁棒的方法，用于在大规模城市场景中自动定位静态三维物体。通过利用融合大量含噪声但定位准确的二维图像数据的潜力，我们在恢复的三维信息的鲁棒性与精度方面均取得了优越性能。该方法基于一种简单的分布式投票机制，可完全分布式与并行化以扩展到大规模场景。为评估该方法，我们从纽约市和旧金山收集了城市尺度的数据集，包含近 40 万张图像，覆盖 40 km 的区域，并用于精确恢复交通灯的三维位置。我们展示了鲁棒的性能，并表明随着数据量增加，该解的质量随时间不断提升。
引用
@article{arxiv.2006.03492,
title = {VALUE: Large Scale Voting-based Automatic Labelling for Urban Environments},
author = {Giacomo Dabisias and Emanuele Ruffaldi and Hugo Grimmett and Peter Ondruska},
journal= {arXiv preprint arXiv:2006.03492},
year = {2020}
}
备注
Presented at ICRA-2018 conference, 20-25th May 2018, Brisbane, Australia