先激光雷达聚类后相机推理：一种面向自动驾驶的新视角
计算机视觉与模式识别
2021-11-22 v2
摘要
最先进的自动驾驶车辆(AV)框架中的目标检测严重依赖深度神经网络。通常，这些网络在完整的相机-激光雷达帧上均匀执行目标检测。然而，这种均匀性危及 AV 的安全性，因为它对场景中所有物体一视同仁，不论其与 AV 的碰撞风险如何。本文提出一种用于 AV 的新型端到端流水线，引入“先激光雷达聚类、后相机推理”的概念来检测与分类物体。我们所提框架的优势有两点。首先，我们的流水线优先检测对 AV 构成较高碰撞风险的物体，为 AV 应对不安全状况争取更多时间。其次，与流行的深度神经网络流水线相比，它还提供了平均更快的推理速度。我们使用真实世界数据集 Waymo Open Dataset 设计框架，解决了由激光雷达传感器与目标检测算法局限性带来的挑战。我们表明，这一新颖目标检测流水线在优先检测高风险物体的同时，达到了可比的精度，且相比仅用相机推理平均速度快 25%。
引用
@article{arxiv.2111.09799,
title = {LiDAR Cluster First and Camera Inference Later: A New Perspective Towards Autonomous Driving},
author = {Jiyang Chen and Simon Yu and Rohan Tabish and Ayoosh Bansal and Shengzhong Liu and Tarek Abdelzaher and Lui Sha},
journal= {arXiv preprint arXiv:2111.09799},
year = {2021}
}
备注
6 pages