以下内容来自从零开始机器人SLAM知识星球 每日更新内容
点击领取学习资料 → 机器人SLAM学习资料大礼包
#论文##开源代码# Understanding Bird’s-Eye View of Road Semantics using an Onboard Camera
论文地址：https://arxiv.org/abs/2012.03040
作者单位：苏黎世ETH计算机视觉实验室
开源代码：https://github.com/ybarancan/BEV_feat_stitch
自主导航需要对空间的场景理解，以移动或预测事件。对于自动驾驶车辆，这可以转化为鸟瞰视图(BEV)中的场景理解。然而，自动驾驶汽车的车载摄像头通常是水平安装的，以更好地查看周围环境。在这项工作中，我们使用单个车载摄像头输入的视频，通过在线估计语义Bev地图的形式来研究场景理解。我们研究了这项任务的三个关键方面：图像级理解、BEV级理解和时间信息的聚合。在这基础上，我们提出了一种结合了这三个方面的新型体系结构。在我们广泛的实验中，我们证明了所考虑的方面对于BEV的理解是相辅相成的。此外，本文的架构大大超过了目前最先进的架构。
本文贡献如下：
1、我们提出了一种新的基于单目视频的BEV道路语义深度神经体系结构，用于静态hd地图部分和动态对象理解。
2、我们研究了独立和联合学习在图像和/或BEV平面上的影响，以及时间信息。
3、该方法得到的结果明显优于现有的方法。
以下内容来自从零开始机器人SLAM知识星球 每日更新内容
点击领取学习资料 → 机器人SLAM学习资料大礼包
