教師なし深度補完ネットワークを使用したセンサーフュージョンに基づく物体検出フレームワーク

DOI

書誌事項

タイトル別名
  • Object Detection Framework Based on Sensor Fusion Using Unsupervised Depth Completion Network

抄録

<p>本論文では，カメラとLi-DARのセンサーフュージョンに基づく，2Dおよび3D物体検出のための新しい知覚フレームワークを紹介する．カメラ画像は豊富な環境特徴を提供するが，奥行き情報が不足している．逆に，Li-DARの点群は正確な奥行き情報を提供するが，その性質は疎である．それぞれのセンサーの長所と短所の補完的な性質を認識し，教師なし深度補完ネットワークを使用して，両方のセンサーからの情報を強化する．この強化されたデータは，最先端の検出ネットワークを用いて2Dと3Dの物体検出タスクを実行するために利用される．我々はKITTIデータセットで我々のフレームワークを検証し，実験結果はベースラインの結果と比較して，2Dと3Dの両方のタスクで顕著な改善を実証した．</p>

収録刊行物

  • 生産研究

    生産研究 76 (1), 75-80, 2024-02-01

    東京大学生産技術研究所

詳細情報 詳細情報について

  • CRID
    1390580704332256768
  • DOI
    10.11188/seisankenkyu.76.75
  • ISSN
    18812058
    0037105X
  • 本文言語コード
    ja
  • データソース種別
    • JaLC
  • 抄録ライセンスフラグ
    使用不可

問題の指摘

ページトップへ