新的研究论文题为“视点的传感器数据融合提高感知和预测在自主驾驶“超级研究员。
文摘
“我们现在一个端到端的对象检测和轨迹预测方法利用激光雷达的多视点表示回报。我们的方法基于最先进的鸟瞰图(BEV)网络融合voxelized特性从一个历史的激光雷达数据序列以及光栅高清地图执行检测和预测任务。我们延长贝福网络与额外的激光雷达Range-View (RV)特性,使用原始激光雷达信息在本土,经典表示。RV特性映射投射到贝福和融合BEV特性计算从激光雷达和高清地图。然后进一步处理的熔融特性输出最终的检测和轨迹,在一个端到端可训练的网络。此外,RV融合激光雷达和摄像头执行简单和计算效率的方式使用这个框架。提出的方法提高了先进的专有大规模实际收集的数据的自动驾驶汽车,以及公众nuScenes数据集。”
找到开放获取论文在这里。发表在计算机视觉的应用IEEE冬季会议(WACV) 2022。
Sudeep Fadadu Shreyash Pandey,沾光对冲基金,彝族史,Fang-Chieh周,维Djuric,卡洛斯Vallespi-Gonzalez;《IEEE / CVF冬季会议上的应用计算机视觉(WACV), 2022年,页2349 - 2357。
访问半导体工程的这里的技术论文库和发现更多的芯片行业学术论文。
留下一个回复