| 基于點(diǎn)云補(bǔ)全的三維目標(biāo)檢測(cè) | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：zhoubin333 | |
| 文檔大小：1690 K | |
| 標(biāo)簽： LIDAR 點(diǎn)云 三維補(bǔ)全 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：LiDAR技術(shù)的發(fā)展為自動(dòng)駕駛提供了豐富的3D數(shù)據(jù)。然而，由于遮擋和某些反射材料的原因引起信號(hào)丟失，LiDAR點(diǎn)云實(shí)際上是不完整的2.5D數(shù)據(jù)，這對(duì) 3D 感知提出了根本性挑戰(zhàn)。針對(duì)這一問題，提出對(duì)原始數(shù)據(jù)進(jìn)行三維補(bǔ)全的方法。根據(jù)大多數(shù)物體形狀對(duì)稱且重復(fù)率高的特點(diǎn)，通過學(xué)習(xí)先驗(yàn)對(duì)象形狀的方法估計(jì)點(diǎn)云中遮擋部分的完整形狀。該方法首先識(shí)別被遮擋和信號(hào)缺失影響的區(qū)域，在這些區(qū)域中預(yù)測(cè)區(qū)域所包含對(duì)象形狀的占用概率。針對(duì)物體間遮擋的情況，通過形狀的占用概率和共享同類形狀形態(tài)進(jìn)行三維補(bǔ)全。對(duì)自身遮擋的物體，通過自身鏡像進(jìn)行恢復(fù)。最后通過點(diǎn)云目標(biāo)檢測(cè)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)。結(jié)果表明，通過該方法能有效地提高生成點(diǎn)云3D邊框的mAP（mean Average Precision）。 | |
| 現(xiàn)在下載 | |
| VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
zhoubin333 的最新分享
- 基于雙模單包授權(quán)的公路零信任安全應(yīng)用研究*
- 基于區(qū)塊鏈的法檢司數(shù)據(jù)安全共享技術(shù)研究*
- 揭開“算法的面紗”：關(guān)于構(gòu)建算法解釋框架的思考
- 企業(yè)“數(shù)據(jù)池”的商業(yè)秘密保護(hù)路徑探究
- 注意力經(jīng)濟(jì)下陪伴式人工智能平臺(tái)的侵權(quán)責(zé)任
- 數(shù)據(jù)抓取行為競(jìng)爭(zhēng)法規(guī)制中的利益衡量研究
- 基于同態(tài)的多對(duì)多電子投票方案設(shè)計(jì)*
- 基于策略和屬性隱藏的區(qū)塊鏈訪問控制方法研究
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2