跳到正文
arXiv · 机器人与计算机视觉· Leander Fritsch, David R\"ugamer, Alexej Klushyn·· 10 天前精选AI 评分78

YOLO 关键线检测:面向视觉起降的跑道感知方法

Keyline Detection with YOLO: Runway Perception for Vision-Based Aircraft Landing

AI 导读

针对关键点易受遮挡和截断的问题,本文引入物体关键线检测任务,预测每个实例的固定语义有序无限直线集。研究扩展 YOLO 以支持连续 Hesse-normal 形式的参数化输出,并定义物体关键线相似度(OKLS)作为评估指标与回归损失。在视觉起降的跑道感知实验中,该方法在四种线参数化方案中检测精度最高,且能直接集成到标准 YOLO 头中而不降低关键点性能或增加显著延迟。

推荐理由

提出基于 YOLO 的物体关键线检测框架,在跑道感知任务中实现高精度且无额外延迟。

来源:arXiv · 机器人与计算机视觉 · arxiv.org