CVPR2019 《Multi-Task Multi-Sensor Fusion for 3D Object Detection》
论文链接
主要解决的问题：利用彩色图像和激光雷达点云数据，通过多个相关任务实现3D目标检测
展示完成的任务
通过使用两个传感器完成四个任务，并且展示在3D目标检测的效果
系统框架
本网络是一个二阶段检测，第一阶段是一个single-shot的检测器，输出一小数量的高质量3D检测；第二阶段使用ROI特征融合来实现高精度2D和3D框回归。其中，地面评估使用的是几何地面先验到雷达点云。深度补全实现是学习较好的交叉模式特征展示和完成稠密特征图融合通过转换预测稠密深度图像到稠密雷达点云。整个过程是端到端的。
结果评估
主要工作
（1）提出一个多任务多传感器实时检测模型，在2D和3D目标检测，地面估计，深度补全
（2）将逐点和ROI特征融合来实现多传感器融合，来提供额外的先验图信息和几何框，从而较好的展示学习和稠密特征融合；
未来工作
（1）继续开发像雷达传感器一样的时间信息
更多《计算机视觉与图形学》知识，可关注下方公众号：