对整体的场景理解自主驾驶

6^th国际会展汽车和机械工程

2019年7月扭转,|苏黎世瑞士

Panagiotis Meletis

荷兰埃因霍温科技大学

ScientificTracks抽象:飞机

文摘

整体场景的理解是一个未来的无人驾驶车辆的重要组成部分。至关重要,这些工具能够理解和解释他们的环境,以安全驾驶。这需要精确探测周围的对象(车辆、人类、交通对象、性质),通行和non-drivable表面之间的歧视(道路、人行道、建筑)和静态和动态对象的分割成高层语义类。过去,计算机视觉分别解决这些问题由于其复杂性和高的计算需求。如今,基于深度学习系统手动标注数据集训练来解决这些问题,但是他们面临多重挑战:1)带注释的语义类的数目是有限的可用数据集几十个减少各种各样的可识别的对象,2)注释的密度是数据集的大小成反比,呈现巨大的数据集不兼容的精确分割,和3)检测和分割单独解决,导致更高的内存和计算的要求。我们研究解决上述挑战提出新方法为:1)在多个数据集训练一个网络具有不同语义类和不同类型的注释,和2)解决与一个网络同时检测和语义分割的问题。我们部署的网络自主驾驶汽车的实时性能。我们展示最先进的结果,增加了五倍多的可识别的类,我们整合有效地检测和分割成一个联合展示全景的分割系统,采取重要步骤实现整体场景的理解。

传记

Panagiotis Meletis在去年他的博士学位的信号处理系统实验室埃因霍温科技大学(图/ e)。他是一个移动感知系统研究集群的成员之一,他在那里发展图像识别算法的自动驾驶汽车。他也是一个涂涂/ e / e大使沟通部门。

电子邮件:(电子邮件保护)

• PDF
• HTML