論文の概要: PolarStream: Streaming Lidar Object Detection and Segmentation with Polar Pillars

• arxiv url: http://arxiv.org/abs/2106.07545v1
• Date: Mon, 14 Jun 2021 16:11:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 19:56:49.202559
• Title: PolarStream: Streaming Lidar Object Detection and Segmentation with Polar Pillars
• Title（参考訳）: polarstream: 極柱を用いたストリーミングlidarオブジェクト検出とセグメンテーション
• Authors: Qi Chen, Sourabh Vora and Oscar Beijbom
• Abstract要約: 本設計では,極座標系と2つの重要な改良点を提案する。 近隣セクターからのマルチスケールパディングを用いて,空間コンテキストを向上する。 nuScenesデータセットの実験結果は、他のストリーミングベースの方法よりも大幅に改善されている。
• 参考スコア（独自算出の注目度）: 12.936738731583292
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent works recognized lidars as an inherently streaming data source and showed that the end-to-end latency of lidar perception models can be reduced significantly by operating on wedge-shaped point cloud sectors rather then the full point cloud. However, due to use of cartesian coordinate systems these methods represent the sectors as rectangular regions, wasting memory and compute. In this work we propose using a polar coordinate system and make two key improvements on this design. First, we increase the spatial context by using multi-scale padding from neighboring sectors: preceding sector from the current scan and/or the following sector from the past scan. Second, we improve the core polar convolutional architecture by introducing feature undistortion and range stratified convolutions. Experimental results on the nuScenes dataset show significant improvements over other streaming based methods. We also achieve comparable results to existing non-streaming methods but with lower latencies.
• Abstract（参考訳）: 最近の研究はlidarsを本質的にストリーミングデータソースとして認識しており、lidar知覚モデルのエンドツーエンドのレイテンシは、wedge型のポイントクラウドセクタで操作することで大幅に削減できることを示した。 しかし、デカルト座標系の使用により、これらの方法はセクタを矩形領域として表現し、メモリを浪費し計算する。 本研究では,極座標系を用い,この設計を2つの重要な改良点とする。 まず,従来のスキャンから前のセクタ,過去スキャンから次のセクタまで,隣接セクタからのマルチスケールパディングを用いて,空間的コンテキストを増大させる。 第2に、特徴の歪みと範囲の階層化畳み込みを導入することにより、コア極性畳み込み構造を改善する。 nuScenesデータセットの実験結果は、他のストリーミングベースの方法よりも大幅に改善されている。 また,既存の非ストリーミング方式と同等の結果を得たが,レイテンシは低かった。

関連論文リスト

• P2P-Bridge: Diffusion Bridges for 3D Point Cloud Denoising [81.92854168911704]
  私たちは、Diffusion Schr"odingerブリッジをポイントクラウドに適応させる新しいフレームワークを通じて、ポイントクラウドを飾るタスクに取り組みます。 オブジェクトデータセットの実験では、P2P-Bridgeは既存のメソッドよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2024-08-29T08:00:07Z)
• Multiway Point Cloud Mosaicking with Diffusion and Global Optimization [74.3802812773891]
  マルチウェイポイントクラウドモザイクのための新しいフレームワーク(水曜日)を紹介する。 我々のアプローチの核心は、重複を識別し、注意点を洗練する学習されたペアワイズ登録アルゴリズムODINである。 4つの多種多様な大規模データセットを用いて、我々の手法は、全てのベンチマークにおいて大きなマージンで、最先端のペアとローテーションの登録結果を比較した。
  論文  参考訳（メタデータ） (2024-03-30T17:29:13Z)
• PARTNER: Level up the Polar Representation for LiDAR 3D Object Detection [81.16859686137435]
  本稿では、極座標における新しい3次元物体検出器Partnerを紹介する。 提案手法は,ONCE検証セットにおいて3.68%,9.15%の差で従来の極性理論よりも優れていた。
  論文  参考訳（メタデータ） (2023-08-08T01:59:20Z)
• Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
  本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。 このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。 我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-05-22T07:09:35Z)
• Efficient Graph Field Integrators Meet Point Clouds [59.27295475120132]
  点雲を符号化するグラフ上での効率的な場積分のためのアルゴリズムを2種類提案する。 第1のクラスであるSeparatorFactorization(SF)は、ポイントメッシュグラフの有界属を利用するが、第2のクラスであるRFDiffusion(RFD)は、ポイントクラウドの一般的なepsilon-nearest-neighborグラフ表現を使用する。
  論文  参考訳（メタデータ） (2023-02-02T08:33:36Z)
• Improved Orientation Estimation and Detection with Hybrid Object Detection Networks for Automotive Radar [1.53934570513443]
  我々は,レーダに基づく物体検出ネットワークを改善するために,グリッドとポイントを併用した新しいハイブリッドアーキテクチャを提案する。 格子描画の前に、点の正確な相対位置を利用して、点ベースモデルが近傍の特徴を抽出できることが示される。 これは、次の畳み込み検出バックボーンに対して大きなメリットがある。
  論文  参考訳（メタデータ） (2022-05-03T06:29:03Z)
• Multi Projection Fusion for Real-time Semantic Segmentation of 3D LiDAR Point Clouds [2.924868086534434]
  本稿では,ポイントクラウドの複数のプロジェクションを利用する3次元ポイントクラウドセマンティックセマンティックセマンティクスの新しいアプローチを提案する。 我々のMulti-Projection Fusionフレームワークは、2つの異なる高効率2次元完全畳み込みモデルを用いて球面および鳥眼の視射影を解析する。
  論文  参考訳（メタデータ） (2020-11-03T19:40:43Z)
• Gaussian Vector: An Efficient Solution for Facial Landmark Detection [3.058685580689605]
  本稿では,空間情報を保存し,出力サイズを小さくし,後処理を簡素化する新しい手法であるガウスベクトルを提案する。 提案手法を300W, COFW, WFLW, JDランドマークで評価した。
  論文  参考訳（メタデータ） (2020-10-03T10:15:41Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。