PillarGrid：基于深度学习的车载与路侧 LiDAR 协同感知三维目标检测
计算机视觉与模式识别
2023-02-08 v3 人工智能
摘要
三维目标检测在实现自动驾驶中起着基础性作用，从安全性、机动性与可持续性角度看，其被视为突破当代交通系统瓶颈的关键。大多数基于点云的最先进（SOTA）目标检测方法都建立在单一车载 LiDAR 之上，其性能不可避免地受限于探测范围与遮挡，尤其在密集交通场景中。本文提出 \textit{PillarGrid}，一种融合多个三维 LiDAR（车载与路侧）信息的新型协同感知方法，以增强网联自动驾驶车辆（CAVs）的态势感知能力。PillarGrid 包含四个主要阶段：1）点云协同预处理，2）柱式体素化与特征提取，3）多传感器特征的网格级深度融合，4）基于卷积神经网络（CNN）的增强三维目标检测。我们开发了一个新型协同感知平台用于模型训练与测试。大量实验表明，PillarGrid 在精度与范围上均大幅优于 SOTA 的单 LiDAR 三维目标检测方法。
引用
@article{arxiv.2203.06319,
title = {PillarGrid: Deep Learning-based Cooperative Perception for 3D Object Detection from Onboard-Roadside LiDAR},
author = {Zhengwei Bai and Guoyuan Wu and Matthew J. Barth and Yongkang Liu and Emrah Akin Sisbot and Kentaro Oguchi},
journal= {arXiv preprint arXiv:2203.06319},
year = {2023}
}
备注
Submitted to The 25th IEEE International Conference on Intelligent Transportation Systems (IEEE ITSC 2022)