論文の概要: Joint object detection and re-identification for 3D obstacle
multi-camera systems
- arxiv url: http://arxiv.org/abs/2310.05785v1
- Date: Mon, 9 Oct 2023 15:16:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-11 06:47:09.962730
- Title: Joint object detection and re-identification for 3D obstacle
multi-camera systems
- Title(参考訳): 3次元障害物マルチカメラシステムにおける共同物体検出と再同定
- Authors: Irene Cort\'es, Jorge Beltr\'an, Arturo de la Escalera, Fernando
Garc\'ia
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 47.87501281561605
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, the field of autonomous driving has witnessed remarkable
advancements, driven by the integration of a multitude of sensors, including
cameras and LiDAR systems, in different prototypes. However, with the
proliferation of sensor data comes the pressing need for more sophisticated
information processing techniques. This research paper introduces a novel
modification to an object detection network that uses camera and lidar
information, incorporating an additional branch designed for the task of
re-identifying objects across adjacent cameras within the same vehicle while
elevating the quality of the baseline 3D object detection outcomes. The
proposed methodology employs a two-step detection pipeline: initially, an
object detection network is employed, followed by a 3D box estimator that
operates on the filtered point cloud generated from the network's detections.
Extensive experimental evaluations encompassing both 2D and 3D domains validate
the effectiveness of the proposed approach and the results underscore the
superiority of this method over traditional Non-Maximum Suppression (NMS)
techniques, with an improvement of more than 5\% in the car category in the
overlapping areas.
- Abstract(参考訳): 近年、自動運転の分野は、カメラやライダーシステムを含む多数のセンサーを異なるプロトタイプに統合することで、驚くべき進歩を遂げている。
しかし、センサデータの拡散に伴い、より高度な情報処理技術の必要性が高まっている。
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を改良し, 隣接するカメラ間で物体を同一車両内に再識別する作業用に, ベースライン3次元物体検出結果の質を高めながら追加のブランチを組み込んだものである。
提案手法は2段階検出パイプラインを用いており,まず物体検出ネットワークを用い,その後にネットワークの検出から生成されたフィルタ付き点雲上で動作する3次元ボックス推定器を用いる。
2dドメインと3dドメインの両方を包含する広範な実験評価により、提案手法の有効性が検証され、この手法が従来の非最大抑制(nms)技術よりも優れていることを裏付ける結果が得られた。
関連論文リスト
- Cross-Cluster Shifting for Efficient and Effective 3D Object Detection
in Autonomous Driving [69.20604395205248]
本稿では,自律運転における3次元物体検出のための3次元点検出モデルであるShift-SSDを提案する。
我々は、ポイントベース検出器の表現能力を解き放つために、興味深いクロスクラスタシフト操作を導入する。
我々は、KITTI、ランタイム、nuScenesデータセットに関する広範な実験を行い、Shift-SSDの最先端性能を実証した。
論文 参考訳(メタデータ) (2024-03-10T10:36:32Z) - VirtualPainting: Addressing Sparsity with Virtual Points and
Distance-Aware Data Augmentation for 3D Object Detection [3.5259183508202976]
本稿では,カメラ画像を用いた仮想LiDAR点の生成を含む革新的なアプローチを提案する。
また、画像ベースセグメンテーションネットワークから得られる意味ラベルを用いて、これらの仮想点を強化する。
このアプローチは、様々な3Dフレームワークと2Dセマンティックセグメンテーションメソッドにシームレスに統合できる汎用的なソリューションを提供する。
論文 参考訳(メタデータ) (2023-12-26T18:03:05Z) - Domain Generalization of 3D Object Detection by Density-Resampling [14.510085711178217]
ポイントクラウドベースの3Dオブジェクト検出は、新しいドメインギャップを持つデータに遭遇する際のパフォーマンス劣化に悩まされる。
対象領域に対する3次元物体検出の一般化性を向上させるためのSDG法を提案する。
本研究では,新しいデータ拡張手法を導入し,その方法論に新しいマルチタスク学習戦略を貢献する。
論文 参考訳(メタデータ) (2023-11-17T20:01:29Z) - DETR4D: Direct Multi-View 3D Object Detection with Sparse Attention [50.11672196146829]
サラウンドビュー画像を用いた3次元物体検出は、自動運転にとって必須の課題である。
マルチビュー画像における3次元オブジェクト検出のためのスパースアテンションと直接特徴クエリを探索するトランスフォーマーベースのフレームワークであるDETR4Dを提案する。
論文 参考訳(メタデータ) (2022-12-15T14:18:47Z) - Multi-Camera Multi-Object Tracking on the Move via Single-Stage Global
Association Approach [23.960847268459293]
この研究は、複数カメラから1つ以上の検出を追跡対象に関連付けるための、新しいシングルステージグローバルアソシエーション追跡手法を導入する。
また,本モデルでは,nuScenes検出課題において,標準的な視覚に基づく3次元物体検出器の検出精度も向上した。
論文 参考訳(メタデータ) (2022-11-17T17:03:24Z) - AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。
我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
論文 参考訳(メタデータ) (2022-08-24T16:54:38Z) - Multi-Camera Multiple 3D Object Tracking on the Move for Autonomous
Vehicles [17.12321292167318]
オブジェクトの検出と追跡は、カメラのビューにまたがって一貫した結果を達成するなど、新しい課題に対処するために重要である。
本研究は,既存のトラックレットの位置とリンク検出をトラックレットで予測するために,リンク予測を用いた新たなグローバルアソシエーショングラフモデルを提案する。
本モデルは, nuScenes 検出課題における標準3次元物体検出器の検出精度の向上に有効である。
論文 参考訳(メタデータ) (2022-04-19T22:50:36Z) - Deep Continuous Fusion for Multi-Sensor 3D Object Detection [103.5060007382646]
本稿では,LIDARとカメラを併用して高精度な位置検出を実現する3Dオブジェクト検出器を提案する。
我々は,連続畳み込みを利用して画像とlidar特徴マップを異なるレベルの解像度で融合する,エンドツーエンド学習可能なアーキテクチャを設計した。
論文 参考訳(メタデータ) (2020-12-20T18:43:41Z) - siaNMS: Non-Maximum Suppression with Siamese Networks for Multi-Camera
3D Object Detection [65.03384167873564]
サイムズネットワークは、よく知られた3Dオブジェクト検出器アプローチのパイプラインに統合される。
アソシエーションはオブジェクトの3Dボックスレグレッションを強化するために利用される。
nuScenesデータセットの実験的評価は,提案手法が従来のNMS手法よりも優れていることを示している。
論文 参考訳(メタデータ) (2020-02-19T15:32:38Z)
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。