近日，CVPR 2019發(fā)布接收論文ID列表，共計1300篇論文被接收，接受率為25.2%。本文整理了無人駕駛方面的優(yōu)秀論文，一起來看看該領(lǐng)域最前沿的研究課題。

CVPR 是首屈一指的年度計算機視覺盛會，在機器學(xué)習(xí)領(lǐng)域享有盛名。今年的 CVPR 將于 6 月 16 日-20 日于美國加州的長灘市舉行。

CVPR 作為計算機視覺領(lǐng)域的頂級學(xué)術(shù)會議，今年共收到了 5165 篇有效提交論文，比去年 CVPR2018 增加了 56%。不久之前，CVPR 2019 官網(wǎng)放出了最終的論文接收結(jié)果。據(jù)統(tǒng)計，本屆大會共接收了 1300 論文，接收率接近 25.2%。本文智車科技整理了本屆會議上與無人駕駛相關(guān)的優(yōu)秀論文及項目，并附有下載鏈接。

1.

題目：Pseudo-LiDAR from Visual Depth Estimation: Bridging the Gap in 3D Object Detection for Autonomous Driving（偽激光雷達）

作者：Yan Wang, Wei-Lun Chao, Divyansh Garg, Bharath Hariharan, Mark Campbell, Kilian Q. Weinberger論文鏈接：https://arxiv.org/abs/1812.07179項目鏈接：https://mileyan.github.io/pseudo_lidar/代碼鏈接：https://github.com/mileyan/pseudo_lidar

摘要：3D物體檢測是自動駕駛中的基本任務(wù)。如果從精確但昂貴的LiDAR技術(shù)獲得3D輸入數(shù)據(jù)，則最近的技術(shù)具有高度準確的檢測率。迄今為止，基于較便宜的單目或立體圖像數(shù)據(jù)的方法導(dǎo)致精度顯著降低 - 這種差距通常歸因于基于圖像的深度估計不良。然而，在本文中，我們認為數(shù)據(jù)表示（而不是其質(zhì)量）占據(jù)了差異的大部分?？紤]到卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)部工作原理，我們建議將基于圖像的深度圖轉(zhuǎn)換為偽LiDAR表示 - 基本上模仿LiDAR信號。通過這種表示，我們可以應(yīng)用不同的現(xiàn)有基于LiDAR的檢測算法。在流行的KITTI基準測試中，我們的方法在現(xiàn)有的基于圖像的性能方面取得了令人印象深刻的改進 - 提高了30米范圍內(nèi)物體的檢測精度，從先前的22％到現(xiàn)在的前所未有的74％ 。在提交時，我們的算法在KITTI 3D對象檢測排行榜上保持最高條目，用于基于立體圖像的方法。

2.

題目：ApolloCar3D: A Large 3D Car Instance Understanding Benchmark for Autonomous Driving（數(shù)據(jù)集）

作者：Xibin Song, Peng Wang, Dingfu Zhou, Rui Zhu, Chenye Guan, Yuchao Dai, Hao Su, Hongdong Li, Ruigang Yang論文鏈接：https://arxiv.org/abs/1811.12222

摘要：自動駕駛引起了業(yè)界和學(xué)術(shù)界的極大關(guān)注。一個重要的任務(wù)是估計道路上移動或停放的車輛的3D特性（例如，翻譯，旋轉(zhuǎn)和形狀）。這項任務(wù)雖然至關(guān)重要，但在計算機視覺領(lǐng)域仍未得到充分研究 - 部分原因在于缺乏適合自動駕駛研究的大規(guī)模和完全注釋的3D汽車數(shù)據(jù)庫。在本文中，我們貢獻了第一個適合3D汽車實例理解的大型數(shù)據(jù)庫 - ApolloCar3D。該數(shù)據(jù)集包含5,277個駕駛圖像和超過60K的汽車實例，其中每輛汽車都配備了具有絕對模型尺寸和語義標記關(guān)鍵點的行業(yè)級3D CAD模型。該數(shù)據(jù)集比PASCAL3D +和KITTI（現(xiàn)有技術(shù)水平）大20倍以上。為了在3D中實現(xiàn)高效標記，我們通過考慮單個實例的2D-3D關(guān)鍵點對應(yīng)關(guān)系和多個實例之間的3D關(guān)系來構(gòu)建管道。配備這樣的數(shù)據(jù)集，我們使用最先進的深度卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建各種基線算法。具體來說，我們首先使用預(yù)先訓(xùn)練的Mask R-CNN對每輛車進行分段，然后基于可變形的3D汽車模型，使用或不使用語義關(guān)鍵點，對其3D姿勢和形狀進行回歸。研究表明，使用關(guān)鍵點可以顯著提高擬合性能。最后，我們開發(fā)了一個新的3D度量，共同考慮3D姿勢和3D形狀，允許進行全面的評估和消融研究。

3.

題目：SR-LSTM: State Refinement for LSTM towards Pedestrian Trajectory Prediction（行人預(yù)測）

作者：Pu Zhang, Wanli Ouyang, Pengfei Zhang, Jianru Xue, Nanning Zheng

論文鏈接：https：//arxiv.org/abs/1903.02793

摘要：在人群場景中，行人的可靠軌跡預(yù)測需要深刻理解他們的社交行為。大量研究已經(jīng)很好地研究了這些行為，而規(guī)則很難充分表達。最近基于LSTM網(wǎng)絡(luò)的研究表明，學(xué)習(xí)社交行為的能力很強。然而，這些方法中的許多方法依賴于先前的相鄰隱藏狀態(tài)，但忽略了鄰居的重要當前意圖。為了解決這個問題，我們提出了一個用于LSTM網(wǎng)絡(luò)（SR-LSTM）的數(shù)據(jù)驅(qū)動狀態(tài)細化模塊，它激活了對鄰居當前意圖的利用，并共同和迭代地改進了人群中所有參與者的當前狀態(tài)。通過消息傳遞機制。為了有效地提取鄰居的社會影響，我們進一步介紹了一種社會意識信息選擇機制，包括逐元素運動門和行人注意力，以便從鄰近的行人中選擇有用的信息。兩個公共數(shù)據(jù)集（即ETH和UCY）的實驗結(jié)果證明了我們提出的SR-LSTM的有效性，并且我們實現(xiàn)了最先進的結(jié)果。

4.

題目：Selective Sensor Fusion for Neural Visual-Inertial Odometry（視覺慣性測距）

作者：Changhao Chen,Stefano Rosa,Yishu Miao,Chris Xiaoxuan Lu,Wei Wu,Andrew Markham,Niki Trigoni

論文鏈接：https://arxiv.org/abs/1903.01534

摘要：視覺慣性測距（VIO）的深度學(xué)習(xí)方法已被證明是成功的，但他們很少專注于結(jié)合穩(wěn)健的融合策略來處理不完美的輸入感覺數(shù)據(jù)。我們提出了一種新穎的端對端選擇性傳感器融合框架，用于單眼VIO，融合單眼圖像和慣性測量，以估計軌跡，同時提高對實際問題的魯棒性，如丟失和損壞的數(shù)據(jù)或不良的傳感器同步。特別地，我們提出了兩種基于不同掩蔽策略的融合模態(tài)：確定軟性融合和隨機硬融合，并與先前提出的直接融合基線進行比較。在測試期間，網(wǎng)絡(luò)能夠選擇性地處理可用傳感器模態(tài)的特征并且產(chǎn)生大規(guī)模的軌跡。我們對三種公共自動駕駛，微型飛行器（MAV）和手持VIO數(shù)據(jù)集的性能進行了全面調(diào)查。結(jié)果證明了融合策略的有效性，與直接融合相比，其提供了更好的性能，特別是在存在損壞的數(shù)據(jù)的情況下。此外，我們通過可視化不同場景中的掩蔽層和不同的數(shù)據(jù)損壞來研究融合網(wǎng)絡(luò)的可解釋性，揭示融合網(wǎng)絡(luò)與不完美的傳感輸入數(shù)據(jù)之間的有趣相關(guān)性。

5.

題目：DeepMapping: Unsupervised Map Estimation From Multiple Point Clouds作者：Li Ding, Chen Feng論文鏈接：https://arxiv.org/abs/1811.11397項目鏈接：https://ai4ce.github.io/DeepMapping/

摘要：我們提出DeepMapping，一種新穎的注冊框架，使用深度神經(jīng)網(wǎng)絡(luò)（DNN）作為輔助功能，將多點云從頭開始對齊到全局一致的幀。我們使用DNN來模擬高度非凸映射過程，該過程傳統(tǒng)上涉及手工制作的數(shù)據(jù)關(guān)聯(lián)，傳感器姿態(tài)初始化和全局細化。我們的關(guān)鍵新穎之處在于，正確定義無監(jiān)督損失以通過反向傳播來“訓(xùn)練”這些DNN等同于解決基礎(chǔ)注冊問題，但是對ICP的要求實現(xiàn)良好初始化的依賴性更小。我們的框架包含兩個DNN：一個估計輸入點云姿態(tài)的本地化網(wǎng)絡(luò)，以及一個通過估計全局坐標的占用狀態(tài)來模擬場景結(jié)構(gòu)的地圖網(wǎng)絡(luò)。這允許我們將配準問題轉(zhuǎn)換為二進制占用分類，這可以使用基于梯度的優(yōu)化來有效地解決。我們進一步表明，通過在連續(xù)點云之間施加幾何約束，可以很容易地擴展DeepMapping以解決激光雷達SLAM的問題。在模擬和真實數(shù)據(jù)集上進行實驗。定性和定量比較表明，與現(xiàn)有技術(shù)相比，DeepMapping通常能夠?qū)崿F(xiàn)更加穩(wěn)健和準確的多點云全局注冊。在模擬和真實數(shù)據(jù)集上進行實驗。定性和定量比較表明，與現(xiàn)有技術(shù)相比，DeepMapping通常能夠?qū)崿F(xiàn)更加穩(wěn)健和準確的多點云全局注冊。在模擬和真實數(shù)據(jù)集上進行實驗。定性和定量比較表明，與現(xiàn)有技術(shù)相比，DeepMapping通常能夠?qū)崿F(xiàn)更加穩(wěn)健和準確的多點云全局注冊。

6.

題目：Stereo R-CNN based 3D Object Detection for Autonomous Driving

作者：Peiliang Li, Xiaozhi Chen, Shaojie Shen

研究機構(gòu)：香港科技大學(xué)、大疆

論文下載鏈接：

https://arxiv.org/abs/1902.09738

摘要 ：我們通過充分利用立體圖像中的稀疏，密集，語義和幾何信息，提出了一種用于自動駕駛的三維物體檢測方法。 我們的方法，稱為Stereo R-CNN，擴展了更快的R-CNN用于立體聲輸入，以同時檢測和關(guān)聯(lián)左右圖像中的對象。 我們在立體聲區(qū)域提議網(wǎng)絡(luò)（RPN）之后添加額外分支來預(yù)測稀疏關(guān)鍵點，視點和對象維度，這些關(guān)鍵點與2D左右框組合以計算粗略的3D對象邊界框。 然后，我們通過使用左右RoI的基于區(qū)域的光度對準來恢復(fù)精確的3D邊界框。 我們的方法不需要深度輸入和3D位置監(jiān)控，但是，優(yōu)于所有現(xiàn)有的完全監(jiān)督的基于圖像的方法。 在具有挑戰(zhàn)性的KITTI數(shù)據(jù)集上的實驗表明，我們的方法在3D檢測和3D定位任務(wù)上的性能優(yōu)于最先進的基于立體的方法約30％AP。

7.

題目：Group-wise Correlation Stereo Network

作者：Xiaoyang Guo,Kai Yang,Wukui Yang,Xiaogang Wang,Hongsheng Li

團隊：香港中文大學(xué)電子工程系、商湯科技

論文鏈接：https://arxiv.org/abs/1903.04025

摘要：立體匹配估計整流圖像對之間的差異，這對深度感測、自動駕駛和其他相關(guān)任務(wù)非常重要。先前的工作建立了在所有視差水平上具有交叉相關(guān)或串聯(lián)左右特征的成本量，然后利用2D或3D卷積神經(jīng)網(wǎng)絡(luò)來回歸視差圖。在本文中，我們建議通過分組相關(guān)來構(gòu)建成本量。左邊特征和右邊特征沿著通道維度被分成組，并且在每個組之間計算相關(guān)圖以獲得多個匹配成本提議，然后將其打包到成本量中。分組相關(guān)為測量特征相似性提供了有效的表示，并且不會丟失過多的信息，如完全相關(guān)。與以前的方法相比，它在減少參數(shù)時也能保持更好的性能。在先前的工作中提出的3D堆疊沙漏網(wǎng)絡(luò)被改進以提高性能并降低推理計算成本。實驗結(jié)果表明，我們的方法在Scene Flow，KITTI 2012和KITTI 2015數(shù)據(jù)集上優(yōu)于以前的方法。此代碼可通過xy-guo/GwcNet（代碼待更新）獲得。

8.

題目：Hierarchical Discrete Distribution Decomposition for Match Density Estimation研究結(jié)構(gòu)：伯克利DeepDrive作者：Zhichao Yin

論文鏈接：https://arxiv.org/abs/1812.06264

摘要：用于像素對應(yīng)的現(xiàn)有深度學(xué)習(xí)方法輸出運動場的點估計，但不表示完全匹配分布。匹配分布的顯式表示對于許多應(yīng)用是期望的，因為它允許直接表示對應(yīng)概率。使用深度網(wǎng)絡(luò)估計全概率分布的主要困難是推斷整個分布的高計算成本。在本文中，我們提出了分層離散分布分解，稱為HD3，以學(xué)習(xí)概率點和區(qū)域匹配。它不僅可以模擬匹配不確定性，還可以模擬區(qū)域傳播。為了實現(xiàn)這一點，我們估計了不同圖像尺度下像素對應(yīng)的層次分布，而沒有多假設(shè)集合。盡管它很簡單，但我們的方法可以在既定基準上實現(xiàn)光流和立體匹配的競爭結(jié)果，而估計的不確定性是錯誤的良好指標。此外，即使區(qū)域在圖像上變化，也可以將區(qū)域內(nèi)的點匹配分布組合在一起以傳播整個區(qū)域。

9.

題目：Deep Rigid Instance Scene Flow

研究機構(gòu)：Uber ATG部門、MIT、多倫多大學(xué)

作者：Wei-Chiu Ma、Shenlong Wang 、Rui Hu、Yuwen Xiong、 Raquel Urtasun

論文鏈接：

https://people.csail.mit.edu/weichium/papers/cvpr19-drisf/paper.pdf

摘要：在本文中，我們解決了自動駕駛環(huán)境下的場景流量估計問題。 我們利用深度學(xué)習(xí)技術(shù)以及強大的先驗，因為在我們的應(yīng)用領(lǐng)域中，場景的運動可以由機器人的運動和場景中的演員的3D運動來組成。 我們將問題表達為深度結(jié)構(gòu)化模型中的能量最小化，這可以通過展開高斯 - 牛頓求解器在GPU中有效地求解。 我們在具有挑戰(zhàn)性的KITTI場景流數(shù)據(jù)集中的實驗表明，我們以超大的優(yōu)勢超越了最先進的技術(shù)，同時快了800倍。

10.

題目：MagicVO: End-to-End Monocular Visual Odometry through Deep Bi-directional Recurrent Convolutional Neural Network（單目視覺測距）

作者：Jian Jiao,Jichao Jiao,Yaokai Mo,Weilun Liu,Zhongliang Deng

研究結(jié)構(gòu):北郵

論文鏈接：https://arxiv.org/abs/1811.10964

摘要：本文提出了一種解決單眼視覺測距問題的新框架，稱為MagicVO。 基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）和雙向LSTM（Bi-LSTM），MagicVO在攝像機的每個位置輸出6-DoF絕對標度姿勢，并以一系列連續(xù)單目圖像作為輸入。 它不僅利用CNN在圖像特征處理中的出色表現(xiàn)，充分提取圖像幀的豐富特征，而且通過Bi-LSTM從圖像序列前后學(xué)習(xí)幾何關(guān)系，得到更準確的預(yù)測。 MagicVO的管道如圖1所示.MagicVO系統(tǒng)是端到端的，KITTI數(shù)據(jù)集和ETH-asl cla數(shù)據(jù)集的實驗結(jié)果表明MagicVO比傳統(tǒng)的視覺測距具有更好的性能（ VO）系統(tǒng)在姿態(tài)的準確性和泛化能力方面。

11.

題目：SSA-CNN: Semantic Self-Attention CNN for Pedestrian Detection

作者：Chengju Zhou,Meiqing Wu,Siew-Kei Lam研究機構(gòu)：南洋理工大學(xué)

論文鏈接：https://arxiv.org/abs/1902.09080v1

摘要：行人檢測在諸如自動駕駛的許多應(yīng)用中起著重要作用。我們提出了一種方法，將語義分割結(jié)果作為自我關(guān)注線索進行探索，以顯著提高行人檢測性能。具體而言，多任務(wù)網(wǎng)絡(luò)被設(shè)計為從具有弱框注釋的圖像數(shù)據(jù)集聯(lián)合學(xué)習(xí)語義分割和行人檢測。語義分割特征圖與相應(yīng)的卷積特征圖連接，為行人檢測和行人分類提供更多的辨別特征。通過聯(lián)合學(xué)習(xí)分割和檢測，我們提出的行人自我關(guān)注機制可以有效識別行人區(qū)域和抑制背景。此外，我們建議將來自多尺度層的語義注意信息結(jié)合到深度卷積神經(jīng)網(wǎng)絡(luò)中以增強行人檢測。實驗結(jié)果表明，該方法在Caltech數(shù)據(jù)集上獲得了6.27％的最佳檢測性能，并在CityPersons數(shù)據(jù)集上獲得了競爭性能，同時保持了較高的計算效率。