論文の概要: Survey and Systematization of 3D Object Detection Models and Methods
- arxiv url: http://arxiv.org/abs/2201.09354v2
- Date: Fri, 5 May 2023 09:19:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-08 17:59:17.014548
- Title: Survey and Systematization of 3D Object Detection Models and Methods
- Title(参考訳): 3次元物体検出モデルと方法の調査と体系化
- Authors: Moritz Drobnitzky, Jonas Friederich, Bernhard Egger, Patrick Zschech
- Abstract要約: 2012-2021年の3次元物体検出における最近の進展を包括的に調査する。
基本概念を導入し、過去10年間に現れた幅広い異なるアプローチに焦点を当てます。
本稿では,これらの手法を今後の開発・評価・アプリケーション活動の指針として,実践的な枠組みで比較するシステム化を提案する。
- 参考スコア(独自算出の注目度): 3.472931603805115
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Strong demand for autonomous vehicles and the wide availability of 3D sensors
are continuously fueling the proposal of novel methods for 3D object detection.
In this paper, we provide a comprehensive survey of recent developments from
2012-2021 in 3D object detection covering the full pipeline from input data,
over data representation and feature extraction to the actual detection
modules. We introduce fundamental concepts, focus on a broad range of different
approaches that have emerged over the past decade, and propose a
systematization that provides a practical framework for comparing these
approaches with the goal of guiding future development, evaluation and
application activities. Specifically, our survey and systematization of 3D
object detection models and methods can help researchers and practitioners to
get a quick overview of the field by decomposing 3DOD solutions into more
manageable pieces.
- Abstract(参考訳): 自動運転車の強い需要と3Dセンサーの普及により、3Dオブジェクト検出の新しい手法が提案され続けている。
本稿では,2012-2021年における入力データ,データ表現,特徴抽出から実際の検出モジュールまでの全パイプラインをカバーする3次元物体検出の最近の展開を包括的に調査する。
我々は、基本的な概念を導入し、過去10年間に現れた様々なアプローチに焦点を合わせ、これらのアプローチと将来の開発、評価、アプリケーション活動の指針とを比較するための実践的なフレームワークを提供する体系化を提案する。
具体的には、3Dオブジェクト検出モデルと手法の探索と体系化により、研究者や実践者が3DODソリューションをより管理しやすいものに分解することで、現場の概要を素早く把握することができる。
関連論文リスト
- Scalable Vision-Based 3D Object Detection and Monocular Depth Estimation
for Autonomous Driving [5.347428263669927]
この論文は、視覚に基づく3D知覚技術の進歩への多面的な貢献である。
第1節では、この論文はモノクロとステレオの両方のオブジェクト検出アルゴリズムに構造的拡張を導入している。
第2のセグメントは、データ駆動戦略と、3D視覚検出における実世界の応用に特化している。
論文 参考訳(メタデータ) (2024-03-04T13:42:54Z) - Robustness-Aware 3D Object Detection in Autonomous Driving: A Review and
Outlook [20.380856953006592]
本研究は,現実シナリオ下での知覚システム評価において,精度と遅延とともに頑健性の重要性を強調した。
本研究は,カメラベース,LiDAR,マルチモーダル3Dオブジェクト検出アルゴリズムを広範囲に調査し,精度,レイテンシ,堅牢性のトレードオフを徹底的に評価する。
これらのうち、マルチモーダル3D検出手法は、優れた堅牢性を示し、新しい分類法を導入して、その文献を再編成し、明確性を高める。
論文 参考訳(メタデータ) (2024-01-12T12:35:45Z) - Joint object detection and re-identification for 3D obstacle
multi-camera systems [47.87501281561605]
本研究は,カメラとライダー情報を用いた物体検出ネットワークに新たな改良を加えたものである。
同じ車両内の隣のカメラにまたがって物体を再識別する作業のために、追加のブランチが組み込まれている。
その結果,従来の非最大抑圧(NMS)技術よりも,この手法が優れていることが示された。
論文 参考訳(メタデータ) (2023-10-09T15:16:35Z) - Multi-Modal Dataset Acquisition for Photometrically Challenging Object [56.30027922063559]
本稿では,3次元視覚タスクにおける現在のデータセットの限界について,精度,サイズ,リアリズム,および光度に挑戦する対象に対する適切な画像モダリティの観点から検討する。
既存の3次元認識と6次元オブジェクトポーズデータセットを強化する新しいアノテーションと取得パイプラインを提案する。
論文 参考訳(メタデータ) (2023-08-21T10:38:32Z) - HUM3DIL: Semi-supervised Multi-modal 3D Human Pose Estimation for
Autonomous Driving [95.42203932627102]
3Dの人間のポーズ推定は、自動運転車が歩行者の微妙で複雑な振る舞いを知覚し理解できるようにする新しい技術である。
提案手法は,これらの補完信号を半教師付き方式で効率的に利用し,既存の手法よりも大きなマージンで性能を向上する。
具体的には、LiDAR点を画素整列マルチモーダル特徴に埋め込み、トランスフォーマーの精細化段階を経る。
論文 参考訳(メタデータ) (2022-12-15T11:15:14Z) - 3D Object Detection for Autonomous Driving: A Comprehensive Survey [48.30753402458884]
自動運転車の近くで重要な3Dオブジェクトの位置、サイズ、カテゴリをインテリジェントに予測する3Dオブジェクト検出は、認識システムの重要な部分である。
本稿では,自律運転における3次元物体検出技術の進歩を概観する。
論文 参考訳(メタデータ) (2022-06-19T19:43:11Z) - A Survey of Robust 3D Object Detection Methods in Point Clouds [2.1655448059430222]
本稿では,新しいデータ拡張手法,サンプリング戦略,アクティベーション機能,アテンション機構,正規化手法について述べる。
KITTI, nuScenes, およびデータセットを用いた新しい3Dオブジェクト検出器の評価を行った。
LiDARポイントクラウドにおける3Dオブジェクト検出の現在の課題について言及し、いくつかのオープンな問題をリストアップする。
論文 参考訳(メタデータ) (2022-03-31T21:41:32Z) - 3D Object Detection from Images for Autonomous Driving: A Survey [68.33502122185813]
画像から3Dオブジェクトを検出することは、自動運転の基本的かつ困難な問題の一つだ。
この問題を2015年から2021年にかけて200以上の研究が行われ、理論、アルゴリズム、応用の幅広い範囲で研究されている。
我々は,この新奇で継続的な研究分野を包括的に調査し,画像に基づく3D検出に最もよく使用されるパイプラインを要約する。
論文 参考訳(メタデータ) (2022-02-07T07:12:24Z) - DOPS: Learning to Detect 3D Objects and Predict their 3D Shapes [54.239416488865565]
LIDARデータに対する高速な1段3次元物体検出法を提案する。
我々の手法の中核となる新規性は高速かつシングルパスアーキテクチャであり、どちらも3次元の物体を検出し、それらの形状を推定する。
提案手法は,ScanNetシーンのオブジェクト検出で5%,オープンデータセットでは3.4%の精度で結果が得られた。
論文 参考訳(メタデータ) (2020-04-02T17:48:50Z)
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。