《表2 不同方法的近距离物体相对测距误差和用时对比》
可以看出,基于YOLOv3&GC方法的测距受到物体分割精度低的影响,测距误差较大而且不稳定,而且GC算法速度非常慢。Mask R-CNN&ICP方法的精度和稳定性都好于前者。本文还测试了YOLOv3&SGM方法,但是由于物体透明等原因,SGM很难正确估计出物体部分的视差,因此没法得到测试结果。表2为3种方法的误差和用时对比。可以看出,传统计算全局视差图的方案速度慢、精度低,且鲁棒性差,而Mask R-CNN&ICP方法不涉及视差图的计算,既保证了物体测距的精度和鲁棒性,同时还提高了速度。
图表编号 | XD0039169100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 彭秋辰、宋亦旭 |
绘制单位 | 清华大学计算机科学与技术系智能技术与系统国家重点实验室、清华大学计算机科学与技术系智能技术与系统国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |