基于對抗學習與深度估計的車輛檢測系統

作者：徐源,翟春艷,王國良

摘要：隨著目標檢測技術的不斷發展,用于道路場景的車輛檢測系統在自動駕駛領域得到了廣泛應用。與傳統的目標檢測器相比,車輛檢測的目標比較單一,但同時需要解決兩大問題,一是在復雜的道路場景中,提供給檢測器的車輛特征通常是不完整的,會出現遮擋和形變等問題;二是在自動駕駛過程中,需要對不同車輛的距離做出估計才能保證智能車及時地做出規避動作,即對圖像的目標區域進行深度估計。針對這兩個問題,提出了基于對抗樣本生成與深度圖重建的車輛檢測方法。為預訓練目標檢測網絡Faster?RCNN設計一個對抗網絡,用于在訓練過程中產生大量的訓練樣本,并利用這些樣本對車輛檢測器進行訓練;根據檢測結果,通過重建3D場景與相機位姿恢復深度圖,對車輛的距離做出估計,以通知系統及時做出規避動作。實驗結果表明,在不增加數據訓練樣本的情況下,該檢測系統可以較好地提升車輛檢測效果及估計目標車輛的距離。

發文機構：遼寧石油化工大學信息與控制工程學院

關鍵詞：目標檢測對抗學習深度估計3D場景稀疏重建Object detectionAdversarial learningDepth estimation3D scene sparse recovery

分類號： TP273[自動化與計算機技術—檢測技術與自動化裝置]