基于 VH-HFCN 的全景环视停车位与车道线分割
计算机视觉与模式识别
2018-05-08 v2 机器人学
摘要
汽车制造商与供应商正在大规模开发自动泊车。迄今为止，自动泊车存在两个问题。其一，尚无公开可用的全景环视（PSV）数据集上的停车位分割标签。其二，如何鲁棒地检测停车位与道路结构。因此，本文构建了一个公开 PSV 数据集。同时，基于该 PSV 数据集，我们提出了一种基于高度融合卷积网络（HFCN）的停车位与车道线分割方法。环视图像由四个鱼眼相机捕获的四张标定图像拼接而成。我们为此任务收集并标注了 4,200 余张环视图像，包含不同类型停车位下的多种光照场景。我们提出了 VH-HFCN 网络，其以 HFCN 为基底，并增加一个高效的 VH 阶段以更好地分割各类标线。VH 阶段由两条独立的线性卷积路径构成，分别采用垂直与水平卷积核。该改进使网络能够鲁棒且精确地提取线性特征。我们在 PSV 数据集上评估了模型，结果表明其在地面标线分割上性能优异。基于分割出的标线，通过骨架化、霍夫线变换与线条排列获取停车位与车道。
引用
@article{arxiv.1804.07027,
title = {VH-HFCN based Parking Slot and Lane Markings Segmentation on Panoramic Surround View},
author = {Yan Wu and Tao Yang and Junqiao Zhao and Linting Guan and Wei Jiang},
journal= {arXiv preprint arXiv:1804.07027},
year = {2018}
}
备注
6 pages, 7 figures