80 × 120 AI 增强的 LiDAR 系统基于轻量级强度-RGB-dToF 传感器融合神经网络,部署在边缘设备上
Optics letters
|December 1, 2023
概括
这项研究介绍了一种轻量级的AI-LiDAR系统,可以增强环境噪声排斥,并减少3D点云数据收集的功耗. 这种新的系统在显著减少计算资源的情况下实现了最先进的性能.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 传感器技术 传感器技术
背景情况:
- 收集高质量的3D点云数据对于各种应用至关重要.
- 现有的基于dToF的LiDAR系统面临着环境噪声排斥和功耗之间的冲突.
- 需要强大而高效的LiDAR解决方案.
研究的目的:
- 开发一个具有更好的环境噪声排斥和更低功耗的LiDAR系统.
- 为了提高激光雷达性能,利用强度和RGB图像.
- 为AI-LiDAR应用设计一个轻量级的卷积神经网络 (CNN).
主要方法:
- 提出了一个集强度和RGB图像处理的AI-LiDAR系统.
- 设计了一个新的,轻量级的CNN用于环境噪声排斥.
- 在边缘设备上部署CNN以实时处理.
- 进行模拟实验以评估性能.
主要成果:
- 在深度图像生成方面实现了最先进的性能.
- 与现有方法相比,CNN的推断时间减少了90倍,FLOP减少了480倍.
- 在同等深度图像质量的模拟中,AI-LiDAR系统显示信号光子需求比100倍低.
结论:
- 拟议的AI-LiDAR系统有效地解决了噪声排斥和功耗之间的冲突.
- 轻量级的CNN适用于AI-LiDAR系统的边缘部署.
- 这种方法显著提高了3D点云数据收集的效率和实用性.
