基于LiDAR的轻量级3D人体姿势估计通过2D深度图像用于自动驾驶
Gyu-Yeon Kim1, Somi Park2, Sunkyung Lee2
1Graduate Program in Smart Factory, Ewha Womans University, Seoul 03760, Republic of Korea.
Sensors (Basel, Switzerland)
|March 14, 2026
概括
本研究介绍了一种使用LiDAR进行自动驾驶的轻量级3D人体姿势估计方法. 它通过有效预测行人运动来提高安全性,即使有自我封闭.
科学领域:
- 机器人和计算机视觉 机器人和计算机视觉
- 自主系统 自主系统
- 传感器融合式传感器
背景情况:
- 对于自动驾驶安全而言,行人姿势估计至关重要.
- 激光雷达传感器提供准确的3D数据和隐私优势,用于姿势估计.
- 现有的LiDAR方法是计算密集型的,限制了实时应用.
研究的目的:
- 开发一种基于LiDAR的3D人类姿势估计方法,用于自动驾驶.
- 为了解决当前方法的高计算成本和内存要求.
- 为了提高挑战性姿势的强度,如侧视和曲.
主要方法:
- 将LiDAR点云投射到2D深度图像中,以减少复杂性.
- 使用轻量级的MoveNet模型进行初始姿势估计.
- 实施一个高效的3D提升技术.
- 引入自我封闭校正算法以提高准确性.
主要成果:
- 实现了具有竞争力的3D人类姿势估计准确性.
- 与直接3D处理方法相比,显著提高了计算效率.
- 在侧视和曲姿势下通过自我遮蔽校正证明了强度.
结论:
- 拟议的轻量化方法对于实时自动驾驶汽车应用来说是实用且可扩展的.
- 该方法平衡了准确性和效率,使其适用于资源有限的系统.
- 在自动驾驶中增强行人检测和跟踪能力.
