基于脉冲神经网络利用LIDAR时间脉冲进行目标检测
神经与进化计算
2018-10-31 v1 人工智能
摘要
神经网络已成功用于激光雷达数据的处理，尤其在自动驾驶场景中。然而，现有方法严重依赖源自激光雷达传感器的脉冲信号预处理，从而导致高计算开销与可观延迟。本文中，我们提出一种利用脉冲神经网络(SNN)直接基于原始时间脉冲解决目标识别问题的方法。为辅助评估与基准测试，创建了一个综合时间脉冲数据集以模拟不同道路场景中的激光雷达反射。在不同噪声条件下就识别精度与时间效率进行测试，我们所提方法展现出卓越性能，推理精度高达99.83%(含10%噪声)且平均识别延迟低至265 ns。它凸显了SNN在自动驾驶及一些相关应用中的潜力。特别地，据我们所知，这是首次尝试使用SNN直接在原始激光雷达时间脉冲上执行目标识别。
引用
@article{arxiv.1810.12436,
title = {Object Detection based on LIDAR Temporal Pulses using Spiking Neural Networks},
author = {Shibo Zhou and Wei Wang},
journal= {arXiv preprint arXiv:1810.12436},
year = {2018}
}