VANETs 遇上自动驾驶汽车：一种多模态 3D 环境学习方法
计算机视觉与模式识别
2017-05-25 v1
摘要
本文设计了一个基于立体相机帧、Velodyne 激光雷达点云扫描以及通过专用短程通信（Dedicated Short Range Communication, DSRC）交换的车对车（Vehicle-to-Vehicle, V2V）基本安全消息（Basic Safety Messages, BSMs）融合的多模态框架，用于目标检测、识别与建图。我们融合了来自 2D 图像的丰富纹理描述、3D 点云提供的目标间深度与距离，以及来自 BSMs 3D 信息的隐藏车辆感知等关键特征。我们通过使用半监督流形对齐方法，在 Kitti Vision Benchmark Suite 的帧中建立目标的像素到点云和像素到 V2V 联合对应关系，以实现对具有相同底层流形的已识别目标的相机-激光雷达和相机-V2V 映射。
引用
@article{arxiv.1705.08624,
title = {VANETs Meet Autonomous Vehicles: A Multimodal 3D Environment Learning Approach},
author = {Yassine Maalej and Sameh Sorour and Ahmed Abdel-Rahim and Mohsen Guizani},
journal= {arXiv preprint arXiv:1705.08624},
year = {2017}
}
备注
7 pages, 12 figures