日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機(jī)站
  • 小程序

    汽車(chē)測(cè)試網(wǎng)

  • 公眾號(hào)

    • 汽車(chē)測(cè)試網(wǎng)

    • 在線課堂

    • 電車(chē)測(cè)試

通用汽車(chē)最新提出：3D車(chē)道線檢測(cè)新方法

2020-05-18 23:00:47·  來(lái)源：智車(chē)科技  作者：黃浴  
　
昨天本文提出了一種基于相機(jī)的新型DNN方法，用于帶不確定性估計(jì)的3D車(chē)道線檢測(cè)。該方法基于半局部BEV（鳥(niǎo)瞰視角）的網(wǎng)格表示形式，其將車(chē)道線分解為簡(jiǎn)單車(chē)道線
本文提出了一種基于相機(jī)的新型DNN方法，用于帶不確定性估計(jì)的3D車(chē)道線檢測(cè)。該方法基于半局部BEV（鳥(niǎo)瞰視角）的網(wǎng)格表示形式，其將車(chē)道線分解為簡(jiǎn)單車(chē)道線段......
2020年3月11日GM以色列研發(fā)中心在arXiv上傳論文“Semi-Local 3D Lane Detection and Uncertainty Estimation”。

論文鏈接：https://arxiv.org/abs/2003.05257

 
摘要：本文提出了一種基于相機(jī)的新型DNN方法，用于帶不確定性估計(jì)的3D車(chē)道線檢測(cè)。該方法基于半局部BEV（鳥(niǎo)瞰視角）的網(wǎng)格表示形式，其將車(chē)道線分解為簡(jiǎn)單車(chē)道線段。該方法結(jié)合了線段學(xué)習(xí)的參數(shù)化模型和聚類(lèi)線段成為全車(chē)道線的深度特征嵌入。這種結(jié)合可以將該方法推廣到復(fù)雜的車(chē)道拓?fù)浣Y(jié)構(gòu)、曲率和曲面幾何。此外，該方法是第一個(gè)為車(chē)道線檢測(cè)任務(wù)提供基于學(xué)習(xí)估計(jì)不確定性的方法。

如圖是有不確定性估計(jì)網(wǎng)絡(luò)的基于攝像機(jī)3-D車(chē)道線檢測(cè)示意圖。該方法適用于“鳥(niǎo)瞰視角（Bird Eye View）”透視圖，該視圖被柵格化為粗網(wǎng)格。輸出所有網(wǎng)格的參數(shù)化3-D曲線表示，然后處理形成整個(gè)3-D車(chē)道曲線以及檢測(cè)的不確定性估計(jì)。

 
假設(shè)通過(guò)每個(gè)網(wǎng)格的車(chē)道線段很簡(jiǎn)單，用低維參數(shù)模型表示。具體而言，每個(gè)網(wǎng)格均包含一條線段，該線段的參數(shù)包括距網(wǎng)格中心偏移、方向和距鳥(niǎo)瞰視角平面的高度偏移。這種半局部網(wǎng)格表示位于從全局表示（整個(gè)通道）到局部表示（像素級(jí)別）之間的連續(xù)變化。這種基于分段的解決方案，每個(gè)網(wǎng)格輸出比單個(gè)像素更具信息性，它可以推理局部車(chē)道線結(jié)構(gòu)，只是不像全局解決方案那樣受限，因?yàn)槿纸鉀Q方案必須獲取整個(gè)車(chē)道的拓?fù)?、曲率和表面幾何的?fù)雜性。

該表示將車(chē)道曲線細(xì)分為多個(gè)車(chē)道線段，但未明確獲取它們之間的任何關(guān)系。相鄰的網(wǎng)格將具有重疊的感受野并產(chǎn)生相關(guān)結(jié)果，但是沒(méi)有捕獲多個(gè)網(wǎng)格表示的是同一車(chē)道的事實(shí)。為了生成完整的車(chē)道曲線，文中學(xué)習(xí)了每個(gè)網(wǎng)格的嵌入，其沿著車(chē)道滿(mǎn)足全局一致性。這樣，可以將小車(chē)道線段聚類(lèi)成一個(gè)完整的曲線。

此外，通過(guò)網(wǎng)絡(luò)輸出建模為高斯分布并估計(jì)其均值和方差值，可以實(shí)現(xiàn)不確定性估計(jì)。對(duì)每個(gè)車(chē)道線段參數(shù)操作，將其組合在一起，對(duì)每個(gè)車(chē)道線的點(diǎn)生成最終的協(xié)方差矩陣。與沿著網(wǎng)格進(jìn)行局部學(xué)習(xí)的線段參數(shù)不同，這種方法訓(xùn)練不確定性所需的經(jīng)驗(yàn)誤差，取決于組成整個(gè)車(chē)道的所有網(wǎng)格并全局進(jìn)行推理。

如圖是網(wǎng)絡(luò)結(jié)構(gòu)圖。該網(wǎng)絡(luò)由兩個(gè)處理流水線組成：圖像視圖和鳥(niǎo)瞰（BEV）視圖。圖像視圖編碼器由ResNet塊組成。BEV主干由投影圖像視圖的特征圖組成，并與來(lái)自前一個(gè)塊的卷積投影特征圖拼接。最終BEV特征圖是生成局部車(chē)道線段的車(chē)道線預(yù)測(cè)頭輸入、將這些線段聚類(lèi)到整個(gè)車(chē)道的全局嵌入、以及依賴(lài)于局部網(wǎng)格和整個(gè)車(chē)道曲線的車(chē)道點(diǎn)位置不確定性。

 
網(wǎng)絡(luò)的輸入是單目圖像。該方法采用了該團(tuán)隊(duì)以前提出的雙途徑主干方法【1】。上一個(gè)工作【1】使用編碼器和反透視映射（IPM）模塊將特征圖投影到鳥(niǎo)瞰圖（BEV）。如圖所示。

 
投影應(yīng)用相機(jī)俯仰角?和高度h定義的單應(yīng)變換（homography），將圖像平面映射到道路平面，如圖所示。最終BEV特征圖在空間上分為由W×H個(gè)非重疊網(wǎng)格組成的網(wǎng)格G。與以前方法【1】相似，投影可確保BEV特征圖中的每個(gè)像素對(duì)應(yīng)于預(yù)定義的道路位置，與攝像機(jī)的內(nèi)參數(shù)和外部姿態(tài)無(wú)關(guān)。

假設(shè)通過(guò)每個(gè)網(wǎng)格的車(chē)道線可以擬合為一個(gè)線段。具體地說(shuō)，網(wǎng)絡(luò)針對(duì)每個(gè)網(wǎng)格回歸三個(gè)參數(shù)：相對(duì)于網(wǎng)格中心的橫向偏移距離，直線角度和高度偏移。除了這些參數(shù)之外，網(wǎng)絡(luò)還預(yù)測(cè)二值分類(lèi)分?jǐn)?shù)，該分?jǐn)?shù)指示車(chē)道與特定網(wǎng)格相交的概率。將網(wǎng)格相交的車(chē)道線投影到道路平面后，用GT車(chē)道線點(diǎn)把網(wǎng)格相交的車(chē)道線段近似為直線，可計(jì)算出偏移量和角度，即GT回歸的目標(biāo)。

 
以下是預(yù)測(cè)模型訓(xùn)練的損失函數(shù)：
 
其中
 
通用汽車(chē)最新提出：3D車(chē)道線檢測(cè)新方法
 
以下是車(chē)道線聚類(lèi)的全局嵌入所采用的鑒別損失（discriminative push-pull loss）：
 
其中
 通用汽車(chē)最新提出：3D車(chē)道線檢測(cè)新方法1
 
最后，要將BEV平面的車(chē)道線點(diǎn)轉(zhuǎn)換到攝像頭坐標(biāo)系：
 
這是一些實(shí)驗(yàn)結(jié)果：GT（紅色）、【1】方法（青色）和本文方法（藍(lán)色）的比較。
 
探索5 W' 的完整AV堆棧3
 
注明：同時(shí)，大家也可以參考百度阿波羅發(fā)表的3D車(chē)道線檢測(cè)文章【2】。

參考文獻(xiàn)
[1] Garnett, N., Cohen, R., Pe’er, T., Lahav, R., Levi, D. ”3D-lanenet: end-to-end 3d multiple lane detection“，ICCV 2019.
[2] Y Guo et al., "Gen-LaneNet: A Generalized and Scalable Approach for 3D Lane Detection", arXiv 2003.10656, March 24, 2020.
 
 
分享到：
 
反對(duì) 0 舉報(bào) 0 收藏 0 評(píng)論 0
滬ICP備11026917號(hào)-25