【自动驾驶专栏论文速递】代客泊车中环视鱼眼BEV感知

• ​论文链接：​​https://arxiv.org/pdf/2212.04111.pdf​​

摘要

本文介绍了代客泊车中环视鱼眼BEV感知。代客泊车场景下的环视鱼眼感知是自动驾驶的基础和关键。停车场的环境条件与常见的公开数据集表现不同，例如停车场中光照不好且不透明度高，这对感知性能产生严重影响。大多数基于公开数据集的现有网络可能会在这些代客泊车场景下产生次优的结果，它还会受到鱼眼相机畸变的影响。在本文中，我们引入一个新的大尺度鱼眼数据集，称为Fisheye Parking Dataset（FPD），以促进对处理不同现实世界中环视泊车案例的研究。值得注意的是，我们编译的FPD对于不同的环视感知任务表现出优异的特性。此外，本文还提出一种实时的畸变不敏感的多任务框架——鱼眼感知网络Fisheye Perception Network（FPNet），该框架通过增强鱼眼畸变操作和多任务轻量化设计来改善环视鱼眼BEV感知。大量实验验证了本文方法的有效性以及数据集杰出的泛化能力。

主要贡献

1）本文建立首个鱼眼泊车数据集FPD，重点研究环视鱼眼感知，包括2D目标检测、3D目标检测、BEV感知和深度估计。我们贡献的FPD包括超过40万张鱼眼图像，并且包含泊车场景中独特的特性；

2）本文对于FPD提出基准：针对环视感知任务（特别是BEV感知）的畸变不敏感多任务框架FPNet。FPNet利用特定的畸变模块和轻量化设计来实现实时、畸变不敏感和精确的性能；

3）综合实验验证所采集FPD数据集的实用性和FPNet的有效性。

论文图片和表格

总结

本文提出一种新的大尺度鱼眼数据集，即Fisheye Parking Dataset（FPD）。通过提供多样化的环视泊车场景，所提出的数据集旨在帮助业界针对停车场构建一个更安全的高级驾驶辅助系统。此外，本文提供实时的多任务鱼眼感知网络Fisheye  Perception Network（FPNet），用于增强鱼眼畸变性能和各种轻量化设计。FPD上的大量实验验证了本文FPNet的有效性。然而，FPD有很多的发展空间，包括如何强化更多数据多样性、简化本文方法、处理可持续增长数据和多样化视觉任务的潜力。尽管如此，我们希望FPD能够激励更多的相关研究，并且提高泊车场景下环视感知的性能。

在未来，将在以下几个方面进一步探索代客泊车的环视鱼眼BEV感知：

1）探索激光雷达-相机融合感知，因为激光雷达点云提供更多的三维信息；

2）探索轻量化图像特征提取器以获取更鲁棒的视觉特征；

3）设计特定的技术来处理具有畸变的鱼眼图像，以增强泛化能力；

4）将环视鱼眼BEV感知和数据集应用于其它任务，例如障碍物检测。

文章转载自公众号：自动驾驶专栏