OccFusion：用于 3D 语义占据预测的多传感器融合框架
计算机视觉与模式识别
2024-05-10 v4 机器人学
摘要
全面理解 3D 场景对于自动驾驶汽车（AVs）至关重要，近期用于 3D 语义占据预测的模型已成功解决了描述具有不同形状和类别的真实世界物体的挑战。然而，现有的 3D 占据预测方法严重依赖环视相机图像，使其容易受到光照和天气条件变化的影响。本文介绍了 OccFusion，这是一种用于预测 3D 占据的新型传感器融合框架。通过整合来自激光雷达和环视雷达等额外传感器的特征，我们的框架提高了占据预测的准确性和鲁棒性，在 nuScenes 基准测试中取得了顶级性能。此外，在 nuScenes 和 semanticKITTI 数据集上进行的广泛实验（包括具有挑战性的夜间和雨天场景）证实了我们的传感器融合策略在各种感知范围内的卓越性能。该框架的代码将在 https://github.com/DanielMing123/OccFusion 提供。
引用
@article{arxiv.2403.01644,
title = {OccFusion: Multi-Sensor Fusion Framework for 3D Semantic Occupancy Prediction},
author = {Zhenxing Ming and Julie Stephany Berrio and Mao Shan and Stewart Worrall},
journal= {arXiv preprint arXiv:2403.01644},
year = {2024}
}