camera | BriefGPT - AI 论文速递

关键词camera

搜索结果 - 51

三维障碍多摄像头系统的联合目标检测与重新识别
近年来，自动驾驶领域取得了显著进展，本文提出一种新颖的修改方法，利用摄像机和激光雷达信息，将额外的分支整合到目标检测网络中，用于在同一车辆中的相邻摄像头之间重新识别物体，同时提高基线 3D 目标检测结果的质量。经过广泛实验验证，该方法在 2
PDF9 months ago
NeRF 增强画外还原技术用于准确的视场外插
扩展摄像机的视场在应用如机器人导航和远程视觉辅助等领域中对于增强环境感知大有裨益。本文提出了一种名为 NeRF-Enhanced Outpainting（NEO）的简单而有效的解决方案，利用 NeRF 生成的扩展视场图像来训练场景特定的图像
PDF9 months ago
Spec-NeRF: 多光谱神经辐射场
我们提出了一种名为 Multi-spectral Neural Radiance Fields（Spec-NeRF）的方法，可以通过一组经不同滤波器滤波的彩色图像，联合重建多光谱辐射场和相机的光谱灵敏度函数（SSFs）。通过将估计得到的 S
PDF10 months ago
INF: 针对 LiDAR 和相机的隐式神经融合
基于隐式神经融合的 LiDAR 和相机传感器的传感融合方法，通过训练神经密度场和神经颜色场实现传感数据的融合，同时估计 LiDAR 姿态和优化外部参数，实验表明该方法具有高精度和稳定性。
PDF10 months ago
自主驾驶的空间编码传感器融合
该论文介绍了一种使用 Transformer 模块在多个分辨率上有效合并局部和全局上下文关系的相机和 LiDAR 数据融合方法，并通过与两个具有长途路线和高密度交通的对抗基准的广泛实验证实了该方法的性能优势。与之前的方法相比，该方法在最具挑
PDFa year ago
FusionAD: 自动驾驶的预测和规划任务的多模态融合
FusionAD 是第一个将相机和激光雷达传感器融合的统一框架，通过多模态特征的优势，在感知任务中实现了领先水平。
PDFa year ago
零训练 LiDAR - 相机外参校准方法：利用 Segment Anything 的 Calib-Anything
使用基础模型和 Segment Anything Model (SAM) 技术，我们提出一种零额外训练的新型 LiDAR - 相机标定方法，通过最大化每种图像蒙版内投影的点的一致性优化外参参数，并在不同数据集上进行实验，证明了我们方法的普适
PDFa year ago
RC-BEVFusion: 雷达 - 摄像机鸟瞰特征融合插件模块
本研究提出了一种模块化的雷达 - 相机融合网络，其基于 BEV 平面，该网络通过新增设计的雷达编码器分支 BEVFeatureNet 与几种最先进的相机架构相结合，显著提高了 nuScenes 检测分数，是雷达 - 相机融合研究的重要进展。
PDFa year ago
SparseFusion：融合多模稀疏表征的多传感器三维物体检测
该研究提出了一种基于稀疏表示的多传感器 3D 检测方法 SparseFusion，利用 LiDAR 和相机模态的并行检测器输出作为稀疏候选，通过轻量级自注意力模块在一致的 3D 空间中融合多模态候选，实现了目前最先进的性能，并且运行速度最快
PDFa year ago
CrossFusion: 交错跨模态补充用于抵抗噪音的三维物体检测
本研究提出一种更健壮和噪声抗性的跨模态融合策略 - CrossFusion，充分利用设计的跨模式补充策略的相机和 LiDAR 特征，实验表明我们的方法不仅在不引入额外深度估计网络的情况下优于现有方法，还证明我们的模型具有噪声抗性和不需要重新
PDFa year ago
CVPR自动驾驶多模态三维语义分割 MSeg3D
利用多模态数据的几何和语义特征，通过三个步骤来完成多模态 3D 语义分割任务。经过我们的研究，MSeg3D 在 nuScenes、Waymo 和 SemanticKITTI 数据集上取得了最先进的结果。
PDFa year ago
CVPRLoGoNet: 基于局部到全局跨模态融合的精确三维物体检测
本文提出了一种名为 LoGoNet 的基于 LiDAR 和相机融合的新型神经网络，该网络能够同时在局部和全局层面上对 3D 物体进行检测，并在 Waymo 和 KITTI 数据集上获得了最佳检测表现。
PDFa year ago
ECCV基于关键点和雷达流融合的自动驾驶手势识别
本研究提出了一种联合摄像机和雷达方法，使自动驾驶车辆能够了解和响应日常交通中的人类手势，通过处理雷达和摄像机数据，利用融合神经网络提高手势识别的准确性。
PDFa year ago
LAPTNet：激光雷达辅助视角变换网络
本文提出了一种融合了激光雷达和相机信息的语义栅格生成架构，即 LiDAR-Aided Perspective Transform Network（LAPTNet），通过使用 LiDAR 点云的 3D 信息，LAPTNet 能够将相机平面中的
PDF2 years ago
在线 LiDAR-Camera 外参自检
基于神经网络和深度学习技术，本文提出了一种自动检测相机与激光雷达之间外参校准情况的算法，并针对该任务生成了一个新的数据集分支 (KITTI dataset) 用于性能测试。该方法可以广泛地应用于智能汽车等领域，这是第一篇关注校准外参重要性的
PDF2 years ago
AAAICRAFT：基于空间 - 上下文融合 Transformer 的相机 - 雷达三维物体检测
提出了一种基于早期融合方法和跨通道自适应交叉注意力机制的摄像头与雷达融合的方法，可实现更有效的三维目标检测，并在 nuScenes 测试集中达到了 41.1％的 mAP 和 52.3％的 NDS，相比摄像头基线提高了 8.7 和 10.8
PDF2 years ago
CVPRMSMDFusion: 多尺度深度种子融合 LiDAR 和摄像头进行 3D 物体检测
基于激光雷达和摄像头信息的融合对于实现自动驾驶系统中的准确可靠的三维物体检测至关重要。在该文中，提出了一种新颖的框架，其中利用了深度信息和激光雷达与摄像头之间的交互，实现更全面的多模态融合特征，并在 nuScenes 测试基准中取得了最新的
PDF2 years ago
BEVFusion: 一个简单而稳健的 LiDAR-Camera 融合框架
该研究提出了一种新颖的相机 - 雷达融合方法 BEVFusion，与现有方法不同，该方法不依赖于雷达数据输入，从而解决了雷达故障对前期融合方法产生的影响。研究结果表明，在正常训练设置下，该方法优于现有最先进方法；在鲁棒性训练设置下，该方法的
PDF2 years ago
基于金字塔融合网络的深度传感器融合技术用于三维语义分割
本文提出了一种基于金字塔结构的深度融合体系结构，用于提高交通场景的 3D 语义分割效果，它可以将相机图像和激光雷达的特征图从不同层次进行融合，并结合多模态特征计算出有价值的多尺度特征以进行更准确的 3D 语义分割。
PDF2 years ago
CVPRTransFusion: 基于 Transformer 的稳健激光雷达 - 相机融合用于三维目标检测
TransFusion 是一种稳健的解决方案，用于处理自动驾驶中 LiDAR 和摄像头数据融合时面对的图像质量下降和误差校准问题。该方法结合了使用浅层目标查询从 LiDAR 点云预测初始边界框和自适应融合对象查询与有用的图像特征，使用注意机
PDF2 years ago