1介绍
（1）使用立体影像快速检测
深度图作为提高检测质量和速度的传统方法；
减少检测窗口，可以提高速度；
本文将实现不计算深度图估算stixel的方法；
（2）Stixels场景
一个特定的参数化世界的模型,强大的简化假设；
假设地面局部平坦,所有对象被描述为“棍棒”垂直在地面上；
每一个垂直的棍子相当于图中的一根柱子，称为 stixel （棒状像素）；
（3）假设
拍摄相机等平行于地面；
地面局部平坦；目标对象的高度在一个已知的有限范围内；
立体系统是精准的，对地面的初始位置有一个粗糙的估计；
（4）贡献
（描述了传统stixel 方法大多建立在深度图的基础上，深度图包含大量的信息，减缓了 速度）；
不用计算中间深度图，直接计算stixel world；
stixel world自己定义了先验知识和平滑约束；
（5）相关工作
（其他研究学者做的相关类型的工作）
2 Stixel估计算法
输入：校准后的双目立体图像
Step1：计算Cm(u,v,d)（匹配代价）；
Step2：利用Cm(u,v,d)估算地平面；
Step3：利用地平面估算stixel视差（即stixel深度）；
Step4：利用stixel视差估算stixel高度
输出：stixel模型
Stixels为一个像素宽度的表示方法。Stixel估计即为计算图像的每列u的。
平均每列的匹配代价作为Stixel估计可以以减少整体计算成本，但同时也会减少stixels的空间分辨率。在本文中，不探索这个空间分辨率对速度的影响。
2.1 计算cost volume
给出双目立体图像，计算出与之匹配的costvolume：左视图中的每个像素和每个视差 值，都可以计算出在RGB颜色通道的绝对差之和的cost值。
Kubota.et al假设图像包含强大的方向梯度，用基于匹配的方向提高鲁棒性。这样的话， 如果排除了处理带有点而不是行的纹理，就太限制了。
A pixel-wisecost volume（视差代价空间）记为Cm(u,v,d)
2.2 地面估计
不计算深度的v视差算法：沿水平方向u，将相同的视差值进行累计，将原来的v视差图重新构建成新的v视差图。
映射关系f ground :V → D 得到地面的视差dground
2.3 Stixel视差计算
沿水平方向u映射可以估算出地面，而沿垂直方向v映射则可以估算出Stixel深度。
Stixel视差（也就是Stixel深度）计算方法为在数据项 cs和平滑项ss的基础上进行二维动态规划，目的是为了寻找最佳Stixel视差（Stixel视差）：
其中ua和ub相邻，即；使得最小的d为最佳Stixel视差
cs(u,d) = co (u,d) + cg (u,d) ；
，
co(u,d) 和cg(u,d) 分别表示对象和地面的代价；
由映射关系fground : V → D反映射得到：v(d) = f−1ground(d) →(u,d)=(u,v(d))；
给定一个点的高度v(h,d)，通过相机标定、地面估计 → 估计点的位置；
假定一个最小对象的高度为h0
因为双目视差的缘故，有些存在立体图像中的对象在左图中不可见，而在右图中可见（反过来也是一样），因此当我们分析左图时，被遮挡的 对象的stixel就会无效，因此采用平滑项来解决这一问题；
（3）动态规划
、映射关系v(d)= f−1ground (d) → stixel底部（）
2.4 Stixel高度估计
Badinoetal是由输入深度图中pixel-wise视差和stixel视差之间的距离得出m(u,v)。 本文使用类似的方法，仅由stixel 视差得出m(u,v)；
m(u,v)是判断stixel上的每个像素是否隶属同一个对象的隶属函数，当m(u,v)=1时，表示隶属对象，当m(u,v)=—1时，表示隶属背景，当m(u,v)=0时，表示没有结果；
；
；
；
其中：表示的邻域像素，例如周围的某10个像素；表示 领域像素的个数；∆ max 为常数，定义的一个最小差距值，文中∆max= 10； 表示5*5的均值滤波器；
（2）数据项 c h(u,v)
m(u,v)→ c h (u,v)；
其中：表示设定对象的最大高度所在的行数；
（3）平滑项 sh (u,v)
其中：k1为比例函数；ua和ub相邻，；为领域stixels视差的相互影响距离；
（4）动态规划
同理，使得为极大值得v为；
在后期处理中，如果估计的stixel高度远高于我们预期的高度，则认为这个stixel高度估计是错误的。
3 结果
3.1 评估数据集
理想的状态：计算出的stixel均被带注释的方格（检测方格）紧紧的包围住；
使用的数据集为Ess的，在每个左帧序列图中提供了7400多个40像素高度的方格，同时提供了内部的相机校准、立体视觉平台校准和地面的大致估计，每幅图片大小为640*480pixel。
3.2 Stixel估计误差
为了定量描述误差，测量在每个方格中stixel顶部和底部之间的误差（被挡住对象的stixel估计同样如此）；
有两个需要回答的问题：1）是否估算的行人高度比假设的行人高度要准确？
2）本文采用的方法是否比利用深度图估算的方法要好？
3.3 行人检测率
3.4 错误案例
3.5 计算费用
（1） 对比利用深度图的stixel估计
Step1和step5减少了10%；step4减少了15%；
（2） 减少搜索检测空间
4 结论与展望
疑问记录
1）公式计算的具体含义 （已解决）
2）Stixels高度估计平滑项的目的 （已解决）
3）如何确定地面的映射 （已解决）
4）双目视图模型、视差、匹配代价Cm(u,v,d)如何计算 （已解决）
————————————————————写在最后————————————————————————————
本文章为阅读笔记，不少内容仅仅为翻译结果，如有疑问或错误，欢迎联系QQ邮箱：[email protected]