用于深度估计与三维目标检测的稀疏激光雷达与立体相机融合 (SLS-Fusion)
计算机视觉与模式识别
2021-05-31 v3
摘要
准确检测和定位物体的能力被公认为对自动驾驶汽车的感知最为重要。从 2D 到 3D 目标检测，最困难的是确定自车到物体的距离。像激光雷达这样昂贵的技术可以提供精确的深度信息，因此大多数研究倾向于关注该传感器，显示出基于激光雷达的方法与基于相机的方法之间的性能差距。尽管许多作者研究了如何将激光雷达与 RGB 相机融合，但据我们所知，尚无研究在深度神经网络中融合激光雷达与立体相机以用于 3D 目标检测任务。本文提出 SLS-Fusion，一种通过神经网络融合 4 线激光雷达与立体相机数据以进行深度估计的新方法，从而获得更好的稠密深度图，进而提升 3D 目标检测性能。由于 4 线激光雷达比知名的 64 线激光雷达更便宜，该方法也被归类为基于低成本传感器的方法。通过在 KITTI 基准上的评估表明，所提方法相比基线方法显著提升了深度估计性能。此外，当将其应用于 3D 目标检测时，在基于低成本传感器的方法上达到了新的 SOTA。
引用
@article{arxiv.2103.03977,
title = {Sparse LiDAR and Stereo Fusion (SLS-Fusion) for Depth Estimationand 3D Object Detection},
author = {Nguyen Anh Minh Mai and Pierre Duthon and Louahdi Khoudour and Alain Crouzil and Sergio A. Velastin},
journal= {arXiv preprint arXiv:2103.03977},
year = {2021}
}
备注
7 pages, 2 figures