前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【3D目标检测】开源 | 一种新型的探测遥远物体的融合策略,在鸟瞰图和3D中远距目标检测方面的性能SOTA!

【3D目标检测】开源 | 一种新型的探测遥远物体的融合策略,在鸟瞰图和3D中远距目标检测方面的性能SOTA!

作者头像
CNNer
发布2021-12-10 11:20:17
5930
发布2021-12-10 11:20:17
举报
文章被收录于专栏:CNNerCNNer

论文地址: http://arxiv.org/pdf/2011.01404v3.pdf

来源: The Ohio State Universtiy

论文名称:Faraway-Frustum Dealing with Lidar Sparsity for 3D Object Detection using Fusion

原文作者:Haolin Zhang

内容提要

基于学习的点云表示不能很好地泛化到传感器的距离增加的情况下。例如,在超过60米的范围内,激光雷达点云的稀疏程度达到了连人类都无法分辨物体形状的程度。然而,对于快速行驶的车辆来说,这个距离不算太远:一辆汽车可以在2秒内以70英里/小时的速度行驶60米。为了实现安全可靠的驾驶自动化,在这些范围内进行3D目标检测是必不可少的。在此背景下,我们引入了一种新型的探测遥远物体的融合策略——远截锥。主要策略是仅依靠2D视觉来识别目标类,因为物体的形状不会随着深度的增加而发生剧烈的变化,并利用点云数据在3D空间中对远处的物体进行目标定位。对于更近的目标,我们使用学习过的点云表示,遵循最先进的技术。该策略缓解了使用学习的点云表示进行目标检测的主要缺点。在KITTI数据集上的实验表明,本文方法在鸟瞰图和3D中远距目标检测方面的性能优于目前最先进的方法。

主要框架及实验结果

声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请加上文微信联系删除。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-12-04,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 CNNer 微信公众号,前往查看

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

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档