Perspective Aware Road Obstacle Detection

要約

道路障害物検出技術はますます効果的になってきているが、それらは通常、実際には車両までの距離が増加するにつれて障害物の見かけの大きさが減少するという事実を無視している。本論文では、すべての画像位置における仮想物体の見かけ上の大きさを符号化したスケールマップを計算することによって、この事実を考慮する。そして、このスケールマップを利用して、（i）既存の手法よりも現実的な方法で道路上に合成物体を投入して学習データを生成し、（ii）検出ネットワークの復号部に遠近情報を組み込んで障害物検出器をガイドする。標準的なベンチマークを用いた結果、これら2つの戦略を組み合わせることで、障害物検出性能が大幅に向上し、本アプローチはインスタンスレベルの障害物検出において、常に最先端手法を凌駕することが可能となることが示された。

要約(オリジナル)

While road obstacle detection techniques have become increasingly effective, they typically ignore the fact that, in practice, the apparent size of the obstacles decreases as their distance to the vehicle increases. In this paper, we account for this by computing a scale map encoding the apparent size of a hypothetical object at every image location. We then leverage this perspective map to (i) generate training data by injecting synthetic objects onto the road in a more realistic fashion than existing methods; and (ii) incorporate perspective information in the decoding part of the detection network to guide the obstacle detector. Our results on standard benchmarks show that, together, these two strategies significantly boost the obstacle detection performance, allowing our approach to consistently outperform state-of-the-art methods in terms of instance-level obstacle detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL