RoIFusion：基于LiDAR与视觉的3D目标检测
计算机视觉与模式识别
2020-09-11 v1
摘要
在为自动驾驶场景定位并检测3D目标时，从多传感器（如相机、LIDAR）获取信息通常会提升3D检测器的鲁棒性。然而，高效且有效地融合从LIDAR和相机捕获的不同特征仍然具有挑战性，尤其是由于点云分布的稀疏性和不规则性。尽管如此，点云提供了有用的互补信息。在本文中，我们希望通过提出一种深度神经网络架构来利用LIDAR和相机传感器的优势，以融合并通过识别带有朝向的对应3D边界框来高效检测3D目标。为完成此任务，我们不再密集地组合点云的点级特征与相关像素特征，而是提出一种新颖的融合算法：将一组点云的3D感兴趣区域(RoIs)投影到对应图像的2D RoIs上。最后，我们证明了我们的深度融合方法在KITTI 3D目标检测挑战基准上取得了最先进的性能。
引用
@article{arxiv.2009.04554,
title = {RoIFusion: 3D Object Detection from LiDAR and Vision},
author = {Can Chen and Luca Zanotti Fragonara and Antonios Tsourdos},
journal= {arXiv preprint arXiv:2009.04554},
year = {2020}
}
备注
11 pages