本文介绍了一种结合相机和激光雷达的3D目标检测方法，通过多任务网络处理点云和图像数据，包括地面估计、深度补全和3D目标检测。点云分支先将点云转换为BEV表示，图像分支处理RGB图像，通过点对点融合策略融合特征，再进行3D框估计。实验表明该方法在KITTI和TOR4D数据集上有效，尤其是在TOR4D上深度补全对车辆检测有显著提升。
文章 Multi-Task Multi-Sensor Fusion for 3D Object Detection
2019CVPR
该文章使用了相机和激光雷达传感器融合方法检测3D Object，使用了一个网络解决多任务，并且多个子任务是为了3D Object Detection服务的。
网络
网络结构图如下，主要完成Ground Estimation，Depth Completion和3D Object Detection的问题。
点云分支
该分支的输入为栅格化后的点云，也就是一个 b a t c h × c h a n n e l × w × l × h batch \times channel \times w \times l \times h batch×channe
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
