訂閱
糾錯(cuò)
加入自媒體
當(dāng)前位置： OFweek 人工智能網(wǎng)   >  正文

LaserNet：一種高效的自動(dòng)駕駛概率三維目標(biāo)探測(cè)器

本文介紹了一種基于激光雷達(dá)數(shù)據(jù)的激光網(wǎng)絡(luò)自動(dòng)駕駛?cè)S目標(biāo)檢測(cè)方法——LaserNet。高效的處理結(jié)果來(lái)自于在傳感器的自然距離視圖中處理激光雷達(dá)數(shù)據(jù)。在激光雷達(dá)視場(chǎng)范圍內(nèi)的操作有許多挑戰(zhàn)，不僅包括遮擋和尺度變化，還有基于傳感器如何捕獲數(shù)據(jù)來(lái)提供全流程信息。

本文介紹的方法是使用一個(gè)全卷積網(wǎng)絡(luò)來(lái)預(yù)測(cè)每個(gè)點(diǎn)在三維物體上的多模態(tài)分布，然后有效地融合這些多模態(tài)分布來(lái)生成對(duì)每個(gè)對(duì)象的預(yù)測(cè)。實(shí)驗(yàn)表明，把每個(gè)檢測(cè)建�？醋饕粋�(gè)分布，能獲得更好的整體檢測(cè)性能。基準(zhǔn)測(cè)試結(jié)果表明，相比其他的檢測(cè)方法，本方法的運(yùn)行時(shí)間更少；在訓(xùn)練大量數(shù)據(jù)來(lái)克服視場(chǎng)范圍目標(biāo)檢測(cè)問(wèn)題上，本方法獲得最佳性能。

LaserNet通過(guò)以下幾個(gè)步驟實(shí)現(xiàn)三維檢測(cè)：

使用傳感器的固有范圍視場(chǎng)來(lái)構(gòu)建一個(gè)密集的輸入圖像；

圖像通過(guò)全卷積網(wǎng)絡(luò)生成一組預(yù)測(cè)；

對(duì)于圖像中的每個(gè)激光雷達(dá)點(diǎn)，預(yù)測(cè)一個(gè)類(lèi)概率，并在俯視圖中對(duì)邊界框架進(jìn)行概率分布回歸；

每個(gè)激光雷達(dá)點(diǎn)分布通過(guò)均值漂移聚類(lèi)進(jìn)行組合，以降低單個(gè)預(yù)測(cè)中的噪聲；

檢測(cè)器進(jìn)行端到端訓(xùn)練，在邊界框架上定義損失；

用一種新的自適應(yīng)非最大抑制（NMS）算法來(lái)消除重疊的邊框分布。

上圖為深層聚合網(wǎng)絡(luò)架構(gòu)。列表示不同的分辨率級(jí)別，行表示聚合階段。

上圖為特征提取模塊（左）和特征聚合模塊（右）。虛線表示對(duì)特征圖進(jìn)行了卷積。

1  2  下一頁(yè)>  
聲明： 本文由入駐維科號(hào)的作者撰寫(xiě)，觀點(diǎn)僅代表作者本人，不代表OFweek立場(chǎng)。如有侵權(quán)或其他問(wèn)題，請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

共0條評(píng)論，0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過(guò)于頻繁，請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清，點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

    掃碼關(guān)注公眾號(hào)
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯(cuò)
    x
    *文字標(biāo)題：
    *糾錯(cuò)內(nèi)容：
    聯(lián)系郵箱：
    *驗(yàn) 證 碼：

    粵公網(wǎng)安備 44030502002758號(hào)