VM-MODNet：面向自动驾驶的车辆运动感知运动目标检测
计算机视觉与模式识别
2021-07-13 v2
摘要
运动目标检测（MOD）是自动驾驶中的一项关键任务，因为需要准确检测自车周围的运动主体以进行安全轨迹规划。它还支持基于运动线索的外观无关目标检测。存在诸如运动视差模糊等几何挑战，使得该问题十分困难。在本工作中，我们旨在利用车辆运动信息并将其输入模型，以建立基于自车运动的自适应机制。其动机是使模型隐式执行自车运动补偿以提升性能。我们将六自由度车辆运动转换为逐像素张量，可作为 CNN 模型的输入。所提出的采用车辆运动张量（VMT）的模型在 mIoU 上相较基线架构取得了 5.6% 的绝对提升。即使在对比使用 LiDAR 与额外输入帧的方法时，我们也在公开 KITTI_MoSeg_Extended 数据集上取得了最先进（state-of-the-art）结果。我们的模型还十分轻量，在 TitanX GPU 上以 85 fps 运行。定性结果见 https://youtu.be/ezbfjti-kTk。
引用
@article{arxiv.2104.10985,
title = {VM-MODNet: Vehicle Motion aware Moving Object Detection for Autonomous Driving},
author = {Hazem Rashed and Ahmad El Sallab and Senthil Yogamani},
journal= {arXiv preprint arXiv:2104.10985},
year = {2021}
}
备注
Accepted for Oral Presentation at IEEE Intelligent Transportation Systems Conference (ITSC) 2021