Moving Object Detection in Real-Time Using Stereo from a Mobile Platform
Détection en temps-réel d'objet en mouvement à l'aide de la stéréo depuis une plateforme mobile
Résumé
This paper presents a mobile object detection algorithm which performs with two consecutive stereo images. Like most motion detection methods, the proposed one is based on dense stereo matching and optical flow estimation. Noting that the main computational cost of existing methods is related to the estimation of optical flow, we propose to use a fast algorithm based on Lucas-Kanade paradigm. We then derive a comprehensive uncertainty model by taking into account all the estimation errors occurring during the process. In contrast with most previous works, we rigorously expand the error related to vision based ego-motion estimation. Finally we present a comparative study of performance on the challenging KITTI dataset which demonstrates the effectiveness of the proposed approach.
Ce papier présente un algorithme de détection d'objet mobile qui prend en entrée deux paires d'images stéréo consécutives. Comme la plupart des méthodes de détection de mouvement, la méthode proposée repose sur l'estimation des appariement stéréo denses et du flot optique. Remarquant que le coût de calcul des méthodes existantes est principalement dû à l'estimation du flot optique, nous proposons d'utiliser un algorithme rapide de type Lucas-Kanade. Nous dérivons ensuite un modèle complet pour les incertitudes de mesures, en prenant en compte toutes les erreurs d'estimation qui surviennent dans le système. Contrairement à la plupart des travaux précédent, nous analysons rigoureusement l'erreur liée à l'odométrie visuelle. Enfin nous présentons une étude comparative des performances sur le base KITTI, qui démontre l'efficacité de l'approche proposée.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...