Spatio-Temporal Context Modeling for Road Obstacle Detection

要約

道路の障害物検出は、車両の安全運転にとって重要な問題です。
本稿では、時空間コンテキスト モデリングに基づくロバストな道路障害物検出を取得することを目指します。
まず、トレーニング データのレイアウトを使用して、運転シーンのデータ駆動型空間コンテキスト モデルを構築します。
次に、入力画像内の障害物が最先端のオブジェクト検出アルゴリズムによって検出され、その結果が生成されたシーン レイアウトと組み合わされます。
さらに、パフォーマンスとロバスト性をさらに向上させるために、画像シーケンスの時間情報が考慮され、検出されたオブジェクトの近くでオプティカル フローが取得され、隣接するフレーム間で障害物が追跡されます。
Small Obstacle Detection (SOD) データセットと Lost and Found データセットに対して定性的および定量的実験が行われました。
結果は、時空間コンテキスト モデリングを使用した方法が、道路障害物検出の既存の方法よりも優れていることを示しています。

要約(オリジナル)

Road obstacle detection is an important problem for vehicle driving safety. In this paper, we aim to obtain robust road obstacle detection based on spatio-temporal context modeling. Firstly, a data-driven spatial context model of the driving scene is constructed with the layouts of the training data. Then, obstacles in the input image are detected via the state-of-the-art object detection algorithms, and the results are combined with the generated scene layout. In addition, to further improve the performance and robustness, temporal information in the image sequence is taken into consideration, and the optical flow is obtained in the vicinity of the detected objects to track the obstacles across neighboring frames. Qualitative and quantitative experiments were conducted on the Small Obstacle Detection (SOD) dataset and the Lost and Found dataset. The results indicate that our method with spatio-temporal context modeling is superior to existing methods for road obstacle detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google