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-Domain Spatial Matching for Camera and Radar Sensor Data Fusion in Autonomous Vehicle Perception System [0.0]
  本稿では,自律走行車認識システムにおける3次元物体検出のためのカメラとレーダーセンサの融合問題に対する新しいアプローチを提案する。 我々のアプローチは、ディープラーニングの最近の進歩に基づいており、両方のセンサーの強度を活用して物体検出性能を向上させる。 提案手法は単一センサ・ソリューションよりも優れた性能を実現し,他のトップレベルの融合手法と直接競合できることを示す。
  論文  参考訳（メタデータ） (2024-04-25T12:04:31Z)
• Run-time Monitoring of 3D Object Detection in Automated Driving Systems Using Early Layer Neural Activation Patterns [12.384452095533396]
  自動運転システム(ADS)の統合性監視は安全性を確保する上で最重要である。 近年のディープニューラルネットワーク(DNN)を用いた物体検出装置の進歩,検出誤差への感受性は重要な懸念点である。
  論文  参考訳（メタデータ） (2024-04-11T12:24:47Z)
• 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)
• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• 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)
• 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。