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

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。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

《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

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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