MR3D-Net：基于激光雷达的集体感知下动态多分辨率 3D 稀疏体素网格融合
计算机视觉与模式识别
2024-08-13 v1
摘要
自动驾驶车辆的安全运行依赖于其全面感知环境的能力。然而，遮挡、传感器范围以及环境因素限制了其感知能力。为此，集体感知使车辆能够交换信息。然而，这些交换信息的融合是一个具有挑战性的任务。早期融合方法需要大量带宽，而中间融合方法则面临可替换性问题。晚期融合共享检测 currently is the only feasible approach。然而，它往往会导致性能下降。为此，我们提出了 MR3D-Net，这是一种用于激光雷达集体感知的动态多分辨率 3D 稀疏体素网格融合主干架构。我们表明，具有不同分辨率的稀疏体素网格提供了有意义且紧凑的环境表示，并且可以适应通信带宽。MR3D-Net 在 OPV2V 3D 对象检测基准测试中实现了最先进的性能，同时将与早期融合相比所需带宽降低了最高可达 94%。代码已公开 https://github.com/ekut-es/MR3D-Net
引用
@article{arxiv.2408.06137,
title = {MR3D-Net: Dynamic Multi-Resolution 3D Sparse Voxel Grid Fusion for LiDAR-Based Collective Perception},
author = {Sven Teufel and Jörg Gamerdinger and Georg Volk and Oliver Bringmann},
journal= {arXiv preprint arXiv:2408.06137},
year = {2024}
}
备注
Accepted at IEEE ITSC 2024