标签:模态 Object al 融合 Detection et 激光雷达 3D
目录KeyWords: 环境感知,多模态融合
核心参考:
知乎专栏——传感器融合:激光雷达+摄像头
综述论文
论文导读
0.为何要融合
1. 具体应用
深度补全
语义分割
目标检测及跟踪
特种场景
???真的能做得更好
找找应用场景!
未来趋势
2D——3D
单任务——多任务
信号级——多级融合
早期融合
晚期融合
时间上下文
性能相关
融合数据的特征/信号表示形式(Feature/Signal Representation)
几何约束
时间上下文Encoding Temporal Context
NAS
工程上
外参自校准
相机内参+相机&LiDAR外参
运动引导96+无目标97
时间同步
晶振时间戳(基本完备)
深度补全
激光点云具有稀疏性,进行上采样
同甘融合来引导上采样
encoder-decoder结构
3D目标检测
2D、3D语义分割、实例分割
Tracking
融合策略
决策层融合
决策+特征层融合
特征层融合
参考文献
[1] Cui et.al., Deep Learning for Image and Point Cloud Fusion in Autonomous Driving: A Review, 2020.
[2] Qi et.al., Frustum Pointnets for 3d Object Detection from RGB-D Data, 2018.
[3] Yang et.al., IPOD: Intensive Point-based Object Detector for Point Cloud, 2018.
[4] Zhao et.al., 3D Object Detection Using Scale Invariant and Feature Re-weighting Networks, 2019.
[5] Chen et.al., Multi-View 3D Object Detection Network for Autonomous Driving, 2016.
[6] Ku et.al., Joint 3D Proposal Generation and Object Detection from View Aggregation, 2017.
[7] Liang et.al., Deep Continuous Fusion for Multi-Sensor 3D Object Detection, 2018.
[8] Vora et.al., PointPainting: Sequential Fusion for 3D Object Detection, 2019.
[9] Sindagi et.al., MVX-Net: Multimodal VoxelNet for 3D Object Detection, 2019.
标签:模态,Object,al,融合,Detection,et,激光雷达,3D 来源: https://www.cnblogs.com/kangshuaibo/p/15615969.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。