融合鸟瞰激光雷达点云与前视相机图像的深度目标检测
计算机视觉与模式识别
2018-02-15 v3 机器学习
摘要
我们提出了一种在深度卷积神经网络（CNN）中融合激光雷达点云与相机捕获图像的新方法。所提方法构建了一个称为非均匀池化层的新层，用于在鸟瞰图和前视图之间变换特征。稀疏的激光雷达点云用于构建两图之间的映射。该池化层允许在网络任意阶段高效融合鸟瞰和前视特征。这有利于在自动驾驶场景中使用相机-激光雷达融合进行 3D 目标检测。设计了一个相应的深度 CNN，并在 KITTI 鸟瞰目标检测数据集上测试，该数据集从鸟瞰图生成 3D 边界框。与其他基于融合的目标检测网络相比，该融合方法在鸟瞰图中检测行人方面表现出特别的优势。
引用
@article{arxiv.1711.06703,
title = {Fusing Bird View LIDAR Point Cloud and Front View Camera Image for Deep Object Detection},
author = {Zining Wang and Wei Zhan and Masayoshi Tomizuka},
journal= {arXiv preprint arXiv:1711.06703},
year = {2018}
}
备注
10 pages, 6 figures, 3 tables