摄像头视图监控用于鸟视图语义细分的鸟视图
Bowen Yang1, LinLin Yu1, Feng Chen1
1AI Safety Laboratory, Department of Computer Science, The University of Texas at Dallas, Richardson, TX, United States.
Frontiers in big data
|December 2, 2024
概括
这项研究引入了一种用于自动驾驶汽车中的鸟视图语义分割 (BEVSS) 的新方法. 通过使用深度和细分数据监督特征提取,它可以实现更准确的预测和改进的车辆细分.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 自主系统 自主系统
背景情况:
- 鸟视图语义分段 (BEVSS) 对于自动驾驶汽车的感知至关重要.
- 现有的端到端方法遭受间接监督,不准确的摄像机到BEV投影.
研究的目的:
- 开发一种新的方法来提高BEVSS的准确性.
- 为了提高特征提取和摄像机到BEV投影质量.
主要方法:
- 监督功能提取与摄像头视图深度和细分信息.
- 在nuScenes数据集上评估拟议的模型.
主要成果:
- 在车辆细分的交叉路口对欧盟 (IoU) 实现了3.8%的改进.
- 与基线方法相比,深度误差减少了30倍.
- 保持了32 FPS的竞争性推断速度.
结论:
- 拟议的方法为实时自动驾驶提供了更准确,更可靠的BEVSS.
- 直接监督特征提取可以提高投影质量.
- 这种方法有助于实现更安全,更高效的自主系统.


