2017.4.8
最近参加了didi和UDACITY举办的无人驾驶算法大赛，对车辆在行驶过程中的车辆和行人目标进行检测，和我之前做的目标检测不同，这次的目标检测需要的是移动物体的目标检测，也就是说，需要在视频中对移动物体的环境信息进行量距和地图构建，确定出视频中移动物体和目标的运动情况，对检测的车辆和行人目标，需要框出目标的三维bounding box和方位信息，所以这也比之前所做的目标检测要复杂的多，因为要考虑到多个传感器信息的融合。在传统的2D目标检测中，只需要对通过camera对视频图像信息进行检测即可，不需要给出物体的距离信息和物体的三维参数，而在3D目标检测中，就需要通过camera、laser scanner、GPS等传感器的信息进行融合，这也是解决3D目标检测的核心问题。
由于比赛是基于KITTI数据库，所以benchmarks也是基于CVPR2012年的一篇论文来定的，Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite。
在benchmarks选择上，该数据库的评估采用了多样的度量方法，针对不同的任务有不同的度量策略。
对于立体光流（ stereo and optical flow）的benchmarks:
最低0.47元/天 解锁文章
1422
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
