自动驾驶中三维占据估计的简单框架
计算机视觉与模式识别
2023-11-20 v5
摘要
在鸟瞰图(Bird's Eye View, BEV)感知取得成功之后,从环视图像估计三维占据的任务成为自动驾驶领域令人振奋的发展。该任务提供了驾驶环境的关键三维属性,增强了对周围空间的整体理解与感知。在本工作中,我们提出了一个用于三维占据估计的简单框架,这是一个基于CNN的框架,旨在揭示三维占据估计的几个关键因素,如网络设计、优化与评估。此外,我们探索了三维占据估计与其他相关任务(如单目深度估计与三维重建)之间的关系,这可推进自动驾驶中三维感知的研究。在评估方面,我们提出了一种简单的采样策略来定义占据评估的度量标准,其对当前公开数据集具有灵活性。此外,我们基于深度估计度量建立了基准,在DDAD和Nuscenes数据集上将我们所提方法与单目深度估计方法进行比较,并取得了具有竞争力的性能。相关代码将在 https://github.com/GANWANSHUI/SimpleOccupancy 更新。
引用
@article{arxiv.2303.10076,
title = {A Simple Framework for 3D Occupancy Estimation in Autonomous Driving},
author = {Wanshui Gan and Ningkai Mo and Hongbin Xu and Naoto Yokoya},
journal= {arXiv preprint arXiv:2303.10076},
year = {2023}
}
备注
15 pages, 8 figures