基于无人机航拍影像的车辆位置估计
摘要
真实世界数据的可用性是基于汽车与交通研究新进展的关键要素。航拍影像具有同时记录多个物体的主要优势，并克服了如遮挡等局限。然而，可用的数据集甚少。本工作描述了一种从航拍影像估计精确车辆位置的过程。鲁棒的目标检测对可靠结果至关重要，因此采用最先进的深度神经网络 Mask-RCNN 用于此目的。使用了两个训练数据集：第一个针对检测测试车辆优化，第二个由公共道路上记录的随机选取图像组成。为减小误差，考虑了多个方面，如无人机运动与照片的透视投影。估计位置与安装在测试车辆中的参考系统进行比较。结果表明，在飞行高度达 100 m、全高清分辨率与逐帧检测下，可实现 20 cm 的平均精度。可靠的位置估计是进一步数据处理（如获取附加车辆状态变量）的基础。源代码、训练权重、标注数据与示例视频均已公开。这支持研究者创建具特定局部条件的新的交通数据集。
引用
@article{arxiv.2004.08206,
title = {Vehicle Position Estimation with Aerial Imagery from Unmanned Aerial Vehicles},
author = {Friedrich Kruber and Eduardo Sánchez Morales and Samarjit Chakraborty and Michael Botsch},
journal= {arXiv preprint arXiv:2004.08206},
year = {2020}
}
备注
Copyright 20xx IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works