用相机和汽车3+1D雷达融合进行3D对象检测的点云绘画
Santiago Montiel-Marín1, Ángel Llamazares1, Miguel Antunes1
1Department of Electronics, Universidad de Alcalá, 28805 Alcalá de Henares, Spain.
Sensors (Basel, Switzerland)
|February 24, 2024
概括
这项研究引入了一种用于自动驾驶的新型传感器融合方法,将雷达和摄像头数据结合起来,以改进对象检测. 与仅使用雷达系统相比,这种方法显著提高了检测准确性.
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
- 传感器融合式传感器
背景情况:
- 先进的驾驶辅助系统 (ADAS) 使用雷达和摄像头,但它们在基于学习的方法中的整合尚未得到充分探索.
- 现有的方法往往忽略了雷达和摄像头传感器用于物体检测的互补优势.
研究的目的:
- 提出一种新的传感器融合方法,用于自动驾驶中的物体检测.
- 为整合3+1D雷达和摄像机语义数据而调整PointPainting技术.
- 通过融合几何和顺序传感器信息来提高检测准确性.
主要方法:
- 一种使用3+1D雷达和摄像头数据的几何和顺序传感器融合方法.
- 适应PointPainting用于RADAR点云,结合来自相机实例分割 (YOLOv8-seg) 的语义信息.
- 一个启发式错误精细化阶段,然后是PointPillars用于在绘制的RADAR点云上检测对象.
主要成果:
- 与只有RADAR的基线相比,对象检测性能显著改善.
- 平均精度 (mAP) 从41.18增加到52.67,增长了27.9%.
- 关于View of Delft数据集的验证,证明在城市驾驶场景中的有效性.
结论:
- 拟议的传感器融合方法对自动驾驶中的雷达和摄像头集成有效.
- 这种方法比单独使用雷达数据提供了显著的性能提升.
- 该技术成功地利用摄像机的语义信息来增强基于雷达的物体检测.
更多相关视频
07:14Tracking Infiltration Front Depth Using Time-lapse Multi-offset Gathers Collected with Array Antenna Ground Penetrating Radar
Published on: May 1, 2018
7.8K
08:25Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment
Published on: May 7, 2019
9.0K
