WoodScape: A multi-task, multi-camera fisheye dataset for autonomous driving（ICCV 2019）

论文链接：论文链接
代码链接：代码链接

摘要

• 动机：鱼眼摄像头用得很多，但是缺乏相关的数据集
• 解决方案：
  • 发布鱼眼汽车数据集——WoodScape，由4个环视摄像头和9个任务组成（分割、深度估计、3D 边界框检测和污点检测等）。
  • 为超过10000张图片提供了实例层级的40个类别的语义注释
  • 为超过100000张图片提供了其他任务的注释

引言

• 环视图例
  
• 贡献
  • 第一个鱼眼数据集，包含超过 10,000 张包含实例级语义注释的图像
  • 四相机九任务数据集，旨在鼓励统一的多任务和多相机模型
  • 引入新的污染检测任务并发布同类数据集
  • 为 3D 框检测任务提出一种指标，将训练时间提高 95 倍

Overview of Fisheye Camera Projections

• 鱼眼失真：由径向映射函数 r(θ) 建模，其中 r(θ) 是图像上到失真中心的距离，是入射光线相对于光轴的角度 θ 的函数。失真中心是光轴与像平面的交点，是径向映射函数 r(θ) 的原点

• 常用模型：Stereographic projection、UCM、eUCM
  

• 提出新模型：模型基于四阶多项式，将入射角映射到以像素为单位的图像半径，$r(\theta )=a_1\theta +a_2{\theta }^2+a_3{\theta }^3+a_4{\theta }^4$

• 图像不失真 vs. 模型适应：
  

数据集