SNE-RoadSeg 自动驾驶可通行区域检测,附代码和数据下载

可通行区域检测（FreeSpace detection）是自动驾驶环境感知的重要内容，而可通行区域可被假设为“地平面”，其上的点具有一致的表面法向量。

据此，来自UC San Diego 与 HKUST 的学者提出一种表面法向估计（SNE）方法，并将其与RGB数据融合提出可通行区域检测算法SNE-RoadSeg，同时作者还建立了大型虚拟数据集，实验证明在多个不同数据集上该算法都取得了最好的精度。

SNE-RoadSeg: Incorporating Surface Normal Information into Semantic Segmentation for Accurate Freespace Detection

作者 | Rui Fan, Hengli Wang, Peide Cai, Ming Liu

单位 | UC San Diego ，HKUST

论文 | https://arxiv.org/abs/2008.11351

代码 | https://github.com/hlwang1124/SNE-RoadSeg

主页 | https://sites.google.com/view/sne-roadseg/home

备注 | ECCV 2020 论文

SNE-RoadSeg 算法流程：

SNE表面法向估计流程：

代码和数据下载：

在OpenCV中文网公众号后台回复“RoadSeg”，即可收到国内下载地址。

备注：驾驶

智能驾驶交流群

扫码私信备注方向拉你入群。

OpenCV中文网

微信号 : iopencv

QQ群：805388940

微博/知乎：@我爱计算机视觉

投稿：[email protected]

网站：www.52cv.net

在看，让更多人看到