自动驾驶中图像与点云融合的深度学习:综述
计算机视觉与模式识别
2021-04-08 v2 机器学习
机器人学
摘要
过去几年中自动驾驶车辆经历快速发展。然而,由于复杂且动态的驾驶环境本质,实现完全自动驾驶并非易事。因此,自动驾驶车辆配备了一套不同传感器以确保鲁棒、准确的环境感知。特别地,相机-激光雷达融合正成为一个新兴研究主题。然而,迄今为止尚无聚焦于基于深度学习的相机-激光雷达融合方法的批判性综述。为弥补此差距并激励未来研究,本文致力于综述近期利用图像和点云的基于深度学习的数据融合方法。本综述简要概述图像和点云数据处理的深度学习。随后深入综述深度补全、目标检测、语义分割、追踪和在线跨传感器标定中的相机-激光雷达融合方法,并按各自融合层级组织。此外,我们在公开数据集上比较这些方法。最后,我们指出了当前学术研究与实际应用间的差距和被忽视的挑战。基于这些观察,我们提供见解并指出有前景的研究方向。
引用
@article{arxiv.2004.05224,
title = {Deep Learning for Image and Point Cloud Fusion in Autonomous Driving: A Review},
author = {Yaodong Cui and Ren Chen and Wenbo Chu and Long Chen and Daxin Tian and Ying Li and Dongpu Cao},
journal= {arXiv preprint arXiv:2004.05224},
year = {2021}
}