自动驾驶中的三维物体检测与跟踪的深度学习方法:简要综述
本文综述了近期 point cloud learning 领域深度学习方法在 3D 形状分类、3D 物体检测与跟踪、3D 点云分割三大任务中的最新进展及其对公共数据集的比较结果,并提出了可启发未来研究的深刻见解和方向。
Dec, 2019
本文旨在填补 3D 对象检测在自动驾驶中的知识空白,综述了相关领域的传感器、数据集、性能度量以及最新的检测方法,分析了其优劣,并进行了定量比较和案例研究,最后总结了研究成果和未来发展方向。
Jun, 2021
该论文系统地回顾了现有的深度学习体系结构在 LiDAR 点云中的应用,包括用于自动驾驶的特定任务如分割、检测和分类,并总结了近五年来超过 140 个重要贡献,包括 3D 深度架构、3D 语义分割、目标检测和分类方面的深度学习应用以及特定的数据集、评估指标和最新的性能。最终,我们总结了剩余的挑战和未来研究方向。
May, 2020
本文综述了自 2015 年至 2021 年期间针对基于图像的三维物体检测问题的 200 多个研究,并提出了两个新的分类体系来组织现有的最先进的方法,并深入分析了它们的各个组成部分。同时,本文探讨了这个领域的挑战和未来方向。
Feb, 2022
无人驾驶车辆中的目标检测与跟踪任务主要依靠相机和 LiDAR 等多种传感器,本研究在使用 LiDAR 点云的新编码方式基础上,通过推断自动驾驶车辆附近不同类别物体的位置,实现了对场景中物体位置和方向的预测。
Dec, 2023
本文综述了自动驾驶技术中感知系统中重要的一环 - 三维物体检测的研究进展以及应用,包括基于激光雷达和基于相机的方法,并分析了各自的优缺点和潜在的应用场景。
Jun, 2022
本文将全卷积网络技术扩展到三维,并将其应用于点云数据的车辆检测任务中,实验结果表明该方法在自动驾驶领域的 KITTI 数据集上表现较之前的点云检测方法有显著提升。
Nov, 2016
本研究对基于深度学习技术路线的三种主要任务:单个物体实例级别姿态检测、类别级别姿态检测和单目物体姿态跟踪的方法进行了全面的综述,详细介绍了检测和跟踪的度量、数据集和方法,并在几个公开可用的数据集上提出了现有最先进方法的比较结果,同时提供了深入的观察和启发未来研究方向。
May, 2021