抛弃几何后处理！单目摄像头直接输出车辆轨迹+朝向，Mcity实测验证，路口感知还能这么玩？
Infrastructure-based Monocular 3D Vehicle Localization Framework with Experimental Validation
📖 AI 总结
该论文提出了一种基于单目路边摄像头的车辆三维定位框架，采用单阶段学习方式，直接将图像映射为地面固定坐标系中的车辆状态，包括地面位置、尺寸和偏航角。与传统先检测后几何后处理的方法不同，该框架利用预训练目标检测器的视觉特征，同时完成检测与空间姿态估计。为支持训练与评估，研究团队开发了基于路边摄像头与无人机同步视频的数据采集与标签生成流程，无人机作为临时俯视感知平台提供车辆轨迹和方向真值。实验在Mcity试验场多次进行，结果表明该方法无需独立的几何后处理即可从单目路边图像中恢复车辆轨迹与朝向，展示了其在城市交叉口基础设施感知中的可扩展应用潜力。
🔑 关键词速览
| 单阶段学习框架 | 一种直接从输入图像预测最终输出（如车辆状态）的深度学习架构，无需中间步骤。 |
| 单目路边摄像头 | 使用单个摄像头从路边视角捕捉图像的传感器，用于监控交通场景。 |
| 地面固定坐标系 | 固定在地面上的参考坐标系，用于描述车辆在真实世界中的位置和方向。 |
| 预训练目标检测器 | 在大型数据集上预先训练好的模型，用于识别图像中的物体（如车辆）及其位置。 |
| 无人机 | 无人驾驶飞行器，在本研究中用作临时俯视传感器，提供高精度车辆轨迹和方向数据。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅