【论文阅读】Pothole Detection Based on Disparity Transformation and Road Surface Modeling

最新推荐文章于 2024-11-24 18:30:58 发布
原创 最新推荐文章于 2024-11-24 18:30:58 发布 · 550 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#自动驾驶

本文介绍了一种利用视差图进行道路损坏检测的方法，通过转换为准鸟瞰图并应用GSS算法与DP方法优化搜索时间，实现道路表面的高效分割。接着，借助Otsu阈值法确定可行驶区域，并结合法线图增强鲁棒性，过滤掉视差图中法线方向突变的点。该方法在道路检测中表现出良好的性能。

《Pothole Detection Based on Disparity Transformation and Road Surface Modeling》
这篇文章讲述了道路损坏基于视差图的语义分割及建模方法，表现除了良好的鲁棒性，作为review调研的一部分我初略看了一下，把大概的方法整理放在下面，方便以后查看。
在这里插入图片描述
直入正题，把文章的主题框架放在这里。
类似于之前的文章，这篇文章对于视差图给出两个最优化能量函数。对于视差图进行transformation至视差图准鸟瞰图的形式，方便利用道路相似性进行segmentation。具体方法还是原来的配方~
在这里插入图片描述在这里插入图片描述
只是两处分别运用了GSS算法及DP方法来节省searching time。
由此可以得到transformed之后的视差图，可以看看下面给出的例子：
在这里插入图片描述
在这里插入图片描述
随后作者利用otsu阈值法在transformed的视差图进行可行驶区域求解。为了提高方法的鲁棒性，作者还引入了法线图的方法。同样设计一个能量函数，对于法线方向突变的视差图点进行滤除。
在这里插入图片描述

深度学习论文: Computer Vision for Road Imaging and Pothole Detection: A State-of-the-Art Review
mingo_敏
05-01 1486
深度学习论文: Computer Vision for Road Imaging and Pothole Detection: A State-of-the-Art Review of Systems and Algorithms Computer Vision for Road Imaging and Pothole Detection: A State-of-the-Art Review of Systems and Algorithms PDF: https://arxiv.org/pdf/2204.
YOLOv8道路坑洼检测 (Pothole Detection)
最新发布
YOLO
06-02 355
Pothole Detection Dataset 是一个专门用于道路坑洼检测的公开数据集，包含各种光照、天气和道路条件下拍摄的道路图片，标注了坑洼目标的边界框（Bounding Box）。该数据集广泛用于智能交通和自动驾驶领域的目标检测研究。YOLOv8是Ultralytics发布的最新版本YOLO目标检测模型，继承了YOLO系列高效检测的优点，提供更快的推理速度和更高的检测精度。优势轻量化设计，适合嵌入式和移动端支持多任务：检测、分类、实例分割训练和推理接口简洁，易于定制。
Pothole Detection 坑洼检测-数据集
03-12
该数据集包含665张带有PASCAL VOC格式的带有边界框注释的图像，用于创建检测模型，并且可以用作POC / POV以维护道路。 所有注释都属于一个类：坑洞。 Pothole Detection_datasets.txt Pothole Detection_datasets.zip
[论文笔记]We Learn Better Road Pothole Detection:from Attention Aggregation to Adversarial Domain Adapt
weixin_43146899的博客
12-07 582
We Learn Better Road Pothole Detection:from Attention Aggregation to Adversarial Domain Adaptation 目前的坑洼检测，大多为人工进行一个主观的判定检测。本文提出了视差变换算法可以很好地区分有坑洼和无坑洼道路区域。并且能够轻松部署到其他语义分割网络。并且提出一种注意力聚合（attention aggregation，AA）框架。还开发了一种基于对抗域自适应的有效训练集增强技术，生成合成道路RGB图像和变换后的道路视
Pothole_Detection:使用Masked-RCNN的坑洞检测
04-14
未来发展 建筑学 一般流程 视频输出 坑洼部署 坑洼探测系统的部署环境 Sagemaker部署说明 将定制的机器学习包部署到sagemaker。 有很多活动部件。 让我们通过标准的工作流程。 Docker镜像 关键组件是使您的设置能够正确使用docker进行编译。 安装Docker并使用docker run hello-world测试hello world示例，您应该看到“来自Docker的Hello ！！此消息表明您的安装似乎正常工作”。 运行以下标准命令以在本地验证设置： Docker build -t trial1 . 它将构建环境并下载大型模型 Docker run -p 80:8080 trial1 serve . 这将在本地启动docker容器。 运行[serve]程序/命令，该命令将启动wsgi和predictor.py Flask处理程序。 •注意：如果收到错误“
Pothole_detection_YOLOV5.zip
11-09
基于VOC数据集和YOLOV5框架的路面坑洼识别系统，可用于自动驾驶中的避坑
基于深度学习的路面坑洞检测（详细教程）
小白学视觉
06-21 1526
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达导读本文主要介绍如何使用 YOLOv4 目标检测模型和 Darknet 框架来创建一个路面坑洞检测系统。背景介绍 高速行驶时，道路上的坑洼会变得非常危险。当汽车或车辆的驾驶员无法从远处看到坑洼并及时刹车或将汽车快速驶离时，情况更是如此。后面的动作对其他司机也同样危险。但是，如果我们使用深度学习和目标检测来检测前方远处的坑洼...
Attention Based Coupled Framework for Road and Pothole Segmentation
03-14
$$L_{total} = \alpha L_{road}(Y_{road}, \hat{Y}_{road}) + \beta L_{pothole}(Y_{pothole}, \hat{Y}_{pothole}) + \gamma L_{couple}$$ 其中$L_{couple}$为两任务的特征一致性约束，如通过KL散度对齐两类预测的...
【论文阅读】【道路检测】《Road Damage Detection Based on Unsupervised Disparity Map Segmentation》
hgj1h的博客
11-23 2778
《Road Damage Detection Based on Unsupervised Disparity Map Segmentation》 刘明教授2020TITS文章 最近在做综述，看了这篇文章，总结一下。 一些特定的场景深度学习的方法还是有点勉强，这里提出了利用视差图的方法来进行检测道路损坏。有点意思。 利用非监督的方法进行road damage识别。这里作者主要引入了视差图的方法，通过最小化视差投影的能量函数来求投影方程的系数。而对于使得baseline角度不为road damage， 作者设计
特征提取，转换和选择
吴建明wujianming_110117
03-31 1288
特征提取，转换和选择 Extracting, transforming and selecting features This section covers algorithms for working with features, roughly divided into these groups: • Extraction: Extracting features from “raw” data • Transformation: Scaling, converting, or modifying fe
【自动驾驶】难样本+小障碍物感知 原创综述
prinTao的博客
05-14 1万+
目标检测论文 3D lidar 精确的non-Texture 3d估计 + 检测 Pseudo-LiDAR_From_Visual_Depth_Estimation_Bridging_the_Gap_in_3D https://openaccess.thecvf.com/content_CVPR_2019/html/Wang_Pseudo-LiDAR_From_Visual_Depth_Estimation_Bridging_the_Gap_in_3D_CVPR_2019_paper.html 将
改进的yolov7坑洼路面检测（手把手教学+代码）
qq1309399183的博客
11-24 775
改进的yolov7坑洼路面检测（手把手教学+代码） 坑洞识别 路面缺陷检测
CVPR2020 | BidNet：在双目图像上完成去雾操作，不用视差估计
AI算法修炼营的博客
06-14 3062
点击上方“AI算法修炼营”，选择“星标”公众号精选作品，第一时间送达本文是收录于CVPR2020的工作，我是被双目图像去雾的题目所吸引的，其实整个工作的创新性不高，但是可以从中学到数据集...
双目测距（六）--三维重建及UI显示
工作笔记
07-26 8048
原文： http://blog.youkuaiyun.com/chenyusiyuan/article/details/5970799 在获取到视差数据后，利用 OpenCV 的 reProjectImageTo3D 函数结合 Bouquet 校正方法得到的 Q 矩阵就可以得到环境的三维坐标数据，然后利用 OpenGL 来实现三维重构。 OpenCV 与 OpenGL 的编程范例，我在 学习笔记（
CVPR2020开源论文（部分带阅读笔记）
知识混子_的博客
05-29 3万+
CVPR2020论文开源项目合集CNNExploring Self-attention for Image RecognitionImproving Convolutional Networks with Self-Calibrated ConvolutionsRethinking Depthwise Separable Convolutions: How Intra-Kernel Correlations Lead to Improved MobileNets图像分类Compositional Convo
总结SLAM论文主要创新点和论文分类 —— 持续更新ing
JinLn的博客
12-24 3587
持续更新 1. 适用于大规模动态环境的鲁棒稠密地图 Robust Dense Mapping for Large-Scale Dynamic Environments 文章发表时间：2018年5月 文章下载链接：Robust Dense Mapping for Large-Scale Dynamic Environments 开源链接：http://andreibarsan.github.io/dynslam 创新点： 一种针对大型动态城市环境的基于立体声的稠密地图算法。研究了两种不同的最新实时立体..
双目视觉之视差图
热门推荐
kissgoodbye2012的博客
03-03 4万+
本文结合Mathworks的一篇介绍Matlab生成视差图的文章写成。文章见链接：http://t.cn/RENJ6P8Matlab生成视差图首先声明：通过这个方法生成视差图，双目采集的图形是进行过处理了的；其次，视差图进一步得到深度图需要进一步计算；最后，这个只是多个生成视差图的方法之一。几个定义：1.视差：左右双目图像中，两个匹配块中心像素的水平距离。视差图如下图例1所示，相同视差（即相同颜色...
三维栅格地图构建之二：视差图及点云图
鸟蛋的专栏
07-08 1万+
在上一步骤——双目校正的基础上可以很方便的获取视差图。视差即空间中同一点在左右目图像上的水平位置差。自己凭感觉（不知道对错的）总结了一下，主要分为两大类：基于兴趣点的，不基于兴趣点的。基于兴趣点的：需要先找到一幅图像中的特征点（也可以是两幅图像中的特征点，基于SIFT特征的匹配即
【项目实战】利用Ｕ-V视差进行地面检测
火柴的初心的博客
04-29 6141
关于Ｕ-V视差图的理论知识描述可以参考我以前的博客：双目视觉（六）U-V视差 １．视差估计 对于视差的估计这里我使用的opencv中自带的SGBM方法，如果有更好的视差估计方法你也可以将这部分改变。 ...
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值