基于DiffusionDet框架的RGB-D融合增强汽车目标检测
计算机视觉与模式识别
2024-06-06 v1
摘要
基于视觉的自动驾驶需要可靠且高效的目标检测。本文提出了一种基于DiffusionDet的框架，该框架利用单目相机和深度传感器的数据融合来提供RGB和深度（RGB-D）数据。在该框架内，真实边界框在训练阶段被随机重塑，使模型能够学习噪声添加的逆扩散过程。系统在推理阶段系统地增强一组随机生成的边界框，引导它们获得准确的最终检测结果。通过将RGB图像中的纹理和颜色特征与LiDAR传感器的空间深度信息相结合，所提出的框架采用特征融合，显著增强了汽车目标的检测。使用KITTI数据集进行的综合实验表明，在检测汽车目标时获得了2.3 AP的提升。具体而言，所提出的方法在检测小目标方面表现出改进的性能。
引用
@article{arxiv.2406.03129,
title = {Enhanced Automotive Object Detection via RGB-D Fusion in a DiffusionDet Framework},
author = {Eliraz Orfaig and Inna Stainvas and Igal Bilik},
journal= {arXiv preprint arXiv:2406.03129},
year = {2024}
}