专栏首页arxiv.org翻译专栏运动检测器:从一系列LiDAR点云中学习与类无关的场景动态(CS RO)
原创

运动检测器:从一系列LiDAR点云中学习与类无关的场景动态(CS RO)

在复杂的城市环境中,目标检测和运动参数估计是自动驾驶车辆安全导航的关键任务。 在这项工作中,我们提出了一种新颖的实时时态上下文聚合方法,用于基于3D点云序列的运动检测和运动参数估计。 我们引入了自我运动补偿层,以实现实时推理,其性能可与原始点云序列的原始里程转换相媲美。 所提出的体系结构不仅能够估计车辆或行人之类的普通道路参与者的运动,而且能够推广到训练数据中不存在的其他对象类别。 我们还将对不同的时间上下文聚合策略(例如循环单元和3D卷积)进行深入分析。 最后,我们提供最新模型与KITTI Scene Flow数据集上现有解决方案的比较结果。

原文题目:Any Motion Detector: Learning Class-agnostic Scene Dynamics from a Sequence of LiDAR Point Clouds

原文:Object detection and motion parameters estimation are crucial tasks for self-driving vehicle safe navigation in a complex urban environment. In this work we propose a novel real-time approach of temporal context aggregation for motion detection and motion parameters estimation based on 3D point cloud sequence. We introduce an ego-motion compensation layer to achieve real-time inference with performance comparable to a naive odometric transform of the original point cloud sequence. Not only is the proposed architecture capable of estimating the motion of common road participants like vehicles or pedestrians but also generalizes to other object categories which are not present in training data. We also conduct an in-deep analysis of different temporal context aggregation strategies such as recurrent cells and 3D convolutions. Finally, we provide comparison results of our state-of-the-art model with existing solutions on KITTI Scene Flow dataset.

原文作者:Artem Filatov,Andrey Rykov,Viacheslav Murashkin

原文地址:https://arxiv.org/abs/2004.11647

[运动检测器:从一系列LiDAR点云中学习与类无关的场景动态(CS RO).pdf]

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 基于可见性约束的推理障碍与路径有效性(CS RO)

    许多从演示中学习的方法都假设演示者了解整个环境。然而,在许多场景中,演示者只看到环境的一部分,他们在收集信息时不断地重新规划。为了规划新的路径或重建环境,我们必...

    时代在召唤
  • 自主舰队的分布式多目标跟踪(CS RO)

    我们提出了一种基于乘法器交替方向方法的可扩展分布式目标跟踪算法,该算法非常适合通过车对车网络进行通信的自动驾驶车队。 每个感测车辆与其邻居通信以执行类似卡尔曼滤...

    时代在召唤
  • 可控PtS TL公式的合成(CS AI)

    在本文中,我们介绍了可控PtS TL公式的合成,在这项工作中,我们开发了一种利用信号时间逻辑(S TL)检测和预防异常问题的方法。 该方法包括两个步骤:检测异常...

    时代在召唤
  • SAP WebClient UI overview页面里assignment block的可见性分析技巧

    some assignment block is visible in design time ( the assignment block already a...

    Jerry Wang
  • 数据仓库专题(21):Kimball总线矩阵说明-官方版

    Over the years, I have found that a matrix depiction of the data warehouse plan...

    数据饕餮
  • regularized negative binomial regression对单细胞数据进行标准化

    由于技术因素,scRNA-seq数据可能由于每个细胞中检测到的分子数量不同导致细胞与细胞间的差异。为了解决区分生物学异质性与技术造成的差异,本文提出正则化负二项...

    生信编程日常
  • Disentangled的假设的探讨

    Francesco Locatello, Stefan Bauer, Mario Lucic, Sylvain Gelly, Bernhard Schölkop...

    用户1908973
  • 机器学习公平概念的适用性(CS LG)

    基于ML的预测系统越来越多地用于支持对个人生活产生重大影响的决策,例如大学录取,工作聘用,儿童监护,犯罪风险评估等。结果,公平性成为保证该预测性的重要要求。系统...

    小童
  • 架构操练Kata:敏捷出版社

    http://nealford.com/katas/list.html;译者:伍斌、王瑞鹏

    吾真本
  • 矩阵值函数的有理逼近算法(CS NA)

    本文讨论了矩阵值函数有理逼近的几种算法,包括插值AAA法、基于近似最小二乘拟合的RKFIT法、向量拟合的RKFIT法和基于块Loewner矩阵低秩逼近的RKFI...

    非过度曝光

扫码关注云+社区

领取腾讯云代金券