通过对抗性自适应性数据增强策略来提高3D对象检测
Shihao Li1, Jingsong Li1, Jianghua Fu1
1Key Laboratory of Advanced Manufacturing Technology for Automotive Parts of Ministry of Education, School of Automotive Engineering, Chongqing University of Technology, Chongqing 401320, China.
Sensors (Basel, Switzerland)
|September 19, 2025
概括
这项研究引入了对抗性自适应数据增强,以改善自动驾驶的3D对象检测. 该方法提高了对环境变化和数据干扰的稳定性,提高了准确性和稳定性.
科学领域:
- 计算机视觉 计算机视觉
- 自主系统 自主系统
- 机器学习 机器学习
背景情况:
- 自动驾驶系统需要强大的物体检测,以确保安全.
- 现实世界的场景,如阻塞和照明变化挑战目前的系统.
- 传感器融合 (激光雷达和摄像头) 是准确的3D物体检测的关键.
研究的目的:
- 为了提高3D物体检测方法的稳定性和稳定性.
- 为应对环境变化和数据干扰所带来的挑战.
- 在复杂的场景中提高自动驾驶系统的性能.
主要方法:
- 提出了一个对抗性的自适应数据增强策略.
- 在图像特征提取过程中引入了虚拟对抗性干扰.
- 利用激光雷达与相机的融合进行3D物体检测.
主要成果:
- 在nuScenes-mini和KITTI数据集上显著提高了检测准确度.
- 面对环境变化和数据干扰,表现出增强的稳定性.
- 在稳定性方面,其性能优于以前的3D物体检测方法.
结论:
- 对抗性自适应数据增强对于强大的3D对象检测是有效的.
- 拟议的方法确保了自动驾驶系统的稳定性能.
- 传感器融合与先进的增强技术相结合,对于可靠的感知至关重要.
