CVPR2019 《Multi-Task Multi-Sensor Fusion for 3D Object Detection》
論文連結
主要解決的問題:利用彩色圖像和雷射雷達點雲資料,通過多個相關任務實作3D目标檢測
展示完成的任務
通過使用兩個傳感器完成四個任務,并且展示在3D目标檢測的效果
系統架構
本網絡是一個二階段檢測,第一階段是一個single-shot的檢測器,輸出一小數量的高品質3D檢測;第二階段使用ROI特征融合來實作高精度2D和3D框回歸。其中,地面評估使用的是幾何地面先驗到雷達點雲。深度補全實作是學習較好的交叉模式特征展示和完成稠密特征圖融合通過轉換預測稠密深度圖像到稠密雷達點雲。整個過程是端到端的。
結果評估
主要工作
(1)提出一個多任務多傳感器實時檢測模型,在2D和3D目标檢測,地面估計,深度補全
(2)将逐點和ROI特征融合來實作多傳感器融合,來提供額外的先驗圖資訊和幾何框,進而較好的展示學習和稠密特征融合;
未來工作
(1)繼續開發像雷達傳感器一樣的時間資訊
更多《計算機視覺與圖形學》知識,可關注下方公衆号: