迈向安全实时系统：立体与图像及LiDAR在3D目标检测中的比较
计算机视觉与模式识别
2022-02-28 v1 机器学习
机器人学
摘要
随着目标检测器迅速改进，注意力已从仅图像网络扩展到一系列3D与多模态框架，尤其是包含 LiDAR 的框架。然而，由于成本、物流乃至某些安全考量，立体视觉可成为一种诱人的替代方案。为理解立体作为单目输入或 LiDAR 在目标检测器中替代方案的有效性，我们展示了采用传统视差算法的多模态学习可在不增加参数量的情况下改善基于图像的结果，且对立体误差的学习可在某些情形下赋予与 LiDAR 相似的3D定位能力。此外，这样做相对于仅图像方法还具有标定益处。我们在公开数据集 KITTI 上基准测试，并由此揭示了当前该集合指标计算中一些微小但常见的算法错误，且提供了高效、可证正确的替代方案。
引用
@article{arxiv.2202.12773,
title = {Towards Safe, Real-Time Systems: Stereo vs Images and LiDAR for 3D Object Detection},
author = {Matthew Levine},
journal= {arXiv preprint arXiv:2202.12773},
year = {2022}
}
备注
Submitted to IROS RA-L