基于 YOLO 与 K-Means 的图像与点云三维目标检测方法
计算机视觉与模式识别
2020-04-27 v1
摘要
基于激光雷达的三维目标检测与分类任务是自动驾驶(AD)的关键。激光雷达传感器可提供周围环境的三维点云数据重建。但三维点云中的检测仍面临严峻的算法挑战。本文由三部分组成:(1)激光雷达-相机标定;(2)基于 YOLO 的检测与点云提取;(3)基于 k-means 的点云分割。在我们的研究中,相机可捕获图像并通过 YOLO 实现实时二维目标检测,我将边界框传输至节点,该节点的功能是对来自激光雷达的点云数据进行三维目标检测。通过比较由三维点转换得到的二维坐标是否位于目标边界框内,并进行 k-means 聚类,可在 GPU 上实现高速三维目标识别功能。
引用
@article{arxiv.2004.11465,
title = {YOLO and K-Means Based 3D Object Detection Method on Image and Point Cloud},
author = {Xuanyu YIN and Yoko SASAKI and Weimin WANG and Kentaro SHIMIZU},
journal= {arXiv preprint arXiv:2004.11465},
year = {2020}
}
备注
5 pages