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