StixelNExT：用于目标分割和自由空间检测的单目轻量级感知
原文中文，约400字，阅读约需1分钟。发表于：。使用我们提出的方法，从在没有手动标注的训练数据的情况下，实现了对单目图像的通用目标分割，可以快速、直接地进行训练和适应，而使用的数据量很小，我们的模型最初从 LiDAR 中学习，然后移除 LiDAR，使其只使用单目图像，在此研究中，我们利用 Stixel-World 的概念来识别中间级的环境表示，我们的网络可以直接预测二维的多层...
该研究提出了一种使用单目图像进行通用目标分割的方法，无需手动标注训练数据。通过从LiDAR学习并移除LiDAR，只使用单目图像，利用Stixel-World的概念识别中间级环境表示。该网络能够直接预测二维多层Stixel-World，并识别和定位图像中的多个重叠物体。实验部分介绍了一种改进的LiDAR生成Stixels的方法作为网络的真实数据。
