目标检测——ADAS实战

ADAS业务场景综述
        先进驾驶辅助系统(Advanced Driver Assistance System),简称ADAS，是利用安装于车.上的各式各样的传感器，在第一 -时间收集车内外的环境数据,进行静、动态物体的辨识、侦测与追踪等技术上的处理，从而能够让驾驶者在最快的时间察觉可能发生的危险，以弓 |起注意和提高安全性的主动安全技术。

业务场景：

        导航与实时交通系统TMC、电子警察系统、车联网、自适应巡航ACC、车道偏移报警系统.、车道保持系统、碰撞避免或预碰撞系统、夜视系统、自适应灯光控制、行人保护系统、自动泊车系统、交通标志识别、盲点探测、驾驶员疲劳探测、下坡控制系统、电动汽车报警系统等等。

问题描述：

检测车载视频数据中的机动车、非机动车、行人、交通标识符
        *标准的目标检测问题
                不同目标的外观差异
                光照，遮挡的影响
                不同视角
                不同大小
                不同位置

数据标注方法——矩形标注

判断算法性能好坏
        *检测率、误报率
                每一个标记只允许有一个检测与之相对应
                重复检测会被视为错误检测
        *AP和mAP         

 数据集资源
        *KITTI 数据集
        *MOT数据集
        *Berkeley的大规模自动驾驶视频数据集
        *https://blog.csdn.net/u010821 666/article/details/ 79026100

ADAS场景行业应用现状
        机动车、非机动车、行人检测问题难点
                *阴天、雨天、夜间目标检测问题
                *拥挤场景下的目标检测问题
                *行人刚性运动带来的检测难题
                *小目标检测问题
                *遮挡问题等等

ADAS业务场景数据集打包
KITTI数据集介绍
        *KITTI数据集
        *http://www.cvlibs.net/datasets/kitti/eval object.php?obj benchmark=2d
        *KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上知名的自动驾驶场景下的计算机视觉算法评测数据集。
        *该数据集用于评测立体图像，光流，视觉测距，3D物体检测和3D跟踪等计算机视觉技术在车载环境下的性能。
        *KITTI包含市区、乡村和高速公路等场景采集的真实图像数据， 每张图像中最多达15辆车和30个行人，还有各种程度的遮挡与截断。
        *整个数据集由389对立体图像和光流图， 39.2 km视觉测距序列以及超过200k 3D标注物体的图像组成，以10Hz的频率采样及同步。

KITTI数据使用：

下载链接：http://www.cvlibs.net/datasets/kitti/eval object.php?obj benchmark=2d

 

标注信息：