{
  "paper_id": "8cd79f2c41a17dff182c9e32a50186fa",
  "paper_title": "Deep Person Detection in Two-Dimensional Range Data",
  "paper_authors": [
    "Lucas Beyer",
    "Alexander Hermans",
    "Timm Linder",
    "Kai O. Arras",
    "Bastian Leibe"
  ],
  "publication_date": "",
  "publication_venue": "IEEE Robotics and Automation Letters",
  "abstract": "Detecting humans is a key skill for mobile robots and intelligent vehicles in a large variety of applications. Although the problem is well studied for certain sensory modalities such as image data, few works exist that address this detection task using two-dimensional (2-D) range data. However, a widespread sensory setup for many mobile robots in service and domestic applications contains a horizontally mounted 2-D laser scanner. Detecting people from 2-D range data is challenging due to the speed and dynamics of human leg motion and the high levels of occlusion and self-occlusion particularly in crowds of people. While previous approaches mostly relied on handcrafted features, we recently developed the deep learning based wheelchair and walker detector distance robust wheelchair/walker (DROW). In this letter, we show the generalization to people, including small modifications that significantly boost DROW's performance. Additionally, by providing a small, fully online temporal window in our network, we further boost our score. We extend the DROW dataset with person annotations, making this the largest dataset of person annotations in 2-D range data, recorded during several days in a real-world environment with high diversity. Extensive experiments with three current baseline methods indicate it is a challenging dataset, on which our improved DROW detector beats the current state-of-the-art.",
  "keywords": [
    "Deep learning in robotics and automation",
    "human detection and tracking recognition"
  ],
  "paper_institutions": [],
  "output_language": "zh",
  "provider": "doubao",
  "model": "ark-code-latest",
  "prompt_template": "simple",
  "extracted_at": "2026-08-16T19:46:16.262689Z",
  "template_tag": "simple",
  "summary": "### 摘要\n本文针对移动机器人和智能车辆在二维激光测距数据中检测行人的关键问题展开研究。由于二维激光扫描仪在服务机器人和家用机器人中普遍存在，且人体腿部运动速度快、动态变化大，加上人群中的遮挡和自遮挡严重，使得该任务极具挑战性。已有的方法大多依赖手工特征，包括基于跳距分割加特征分类的传统方法和基于腿部跟踪的方法，后者虽然性能较好但高度依赖“两条腿”假设，无法扩展至其他类别（如轮椅）且对长裙、大衣等遮挡场景鲁棒性差。为此，作者在前期提出的基于深度学习的DROW检测器基础上，将其扩展至行人检测，并提出了多项改进：采用联合投票机制取代原始离散投票，使检测位置连续且能输出类别分布；增大网络规模（DROW3x架构）显著提升性能；并引入完全在线的时序融合策略，通过固定窗口位置和里程计校正构建时间上的信息聚合并与网络融合，相比不使用时序信息有明显提升。作者还扩展了DROW数据集，新增了行人标注，使其成为目前公开的最大规模二维激光行人检测数据集，包含超过10小时的真实场景记录。他们与三种现有基线方法（Arras段分类、ROS腿部检测器、Leigh联合腿跟踪器）进行对比实验，实验采用留出测试集，使用精度-召回曲线和AUC、峰值F1、等错误率等指标评估。结果显示，改进后的DROW3x在行人检测上的AUC达到68.1%，联合各类的agnostic AUC达到76.4%，比最强基线（重新训练的Leigh）高出10.9个百分点，同时能够同时检测行人、轮椅和助行器，且评估半径严格（0.3 m）时定位精度优势明显。实验还表明，增加更大训练集会进一步提升性能，且该方法对超参数具有鲁棒性。本文的方法为二维测距数据中的多类目标检测提供了一条全新的深度投票学习路线，不依赖手工特征和明显假设，并具备实时性和在线时序利用能力，有望推动移动机器人在人群环境中的安全导航与人机交互应用。\n\n### 关键要点\n- 本文提出将原有DROW深度检测器从轮椅/助行器扩展至行人检测，同时支持多类目标，验证了其泛化能力。\n- 采用联合投票机制，将每个点位置的投票分配到最近的最大峰值，获得连续检测位置和类别分布，解决了原方法的离散化问题。\n- 网络架构升级为DROW3x，包含三个卷积阶段，每个阶段含三个零填充的3×3卷积层，使用批归一化和Leaky-ReLU激活，大幅提升难分类别（助行器）的性能。\n- 引入完全在线的时序融合：对每个点生成固定世界位置的临时窗口，结合里程计校正（旋转分量），并采用后期融合方式（复制前两个卷积块并共享权重）处理时间维度，显著提高行人检测AUC。\n- 新构建的DROW数据集扩展了行人标注，共包含464,013张扫描，其中24,012张带标注，有28,984个行人实例，为最大规模的二维激光行人数据集，覆盖多天真实环境。\n- 数据集以5%的帧进行标注（每100帧批处理中每4批随机选一批，再从中每5帧标注一帧），有利于时序方法研究。\n- 与Arras段分类器、ROS腿部检测器、Leigh联合腿跟踪器三种基线对比，在测试集上DROW3x的行人AUC为68.1%，明显高于最佳基线Leigh重训版本的57.2%。\n- DROW3x能够同时检测行人、轮椅和助行器，而所有基线方法仅能检测行人或腿部，凸显其多类能力。\n- 严格评估半径（0.3 m）下，腿部跟踪方法性能显著下降，而DROW和段分类方法几乎不受影响，说明定位更精确。\n- 腿部跟踪方法在7米以上无法检测行人（腿部点数不足），而DROW可检测至15米，覆盖更广。\n- 使用Hyperopt自动调参时，DROW的最终超参数与人工初始值差异较大，但性能仍稳健；增大训练集（合并验证集）可进一步提升性能，表明模型还有容量空间。\n- 时序和里程计信息对检测有益，但融入方式需精心设计，本文提出的固定位置和里程计校正策略比朴素时间拼接效果更佳。"
}