蓋世汽車訊 機器人和自動駕駛汽車是技術領域中增長最快的領域之一，或將使工作和交通變得更安全、更高效。由于機器人和自動駕駛汽車都需要準確感知周圍環(huán)境，因此3D物體檢測方法研究領域備受關注。

大多數(shù)3D物體檢測方法都采用LiDAR傳感器來創(chuàng)建其環(huán)境的3D點云。簡而言之，LiDAR傳感器使用激光束快速掃描和測量源周圍物體和表面的距離。然而，由于激光雷達對噪聲的高敏感性，單獨使用激光雷達數(shù)據(jù)可能會導致錯誤，特別是在降雨期間等惡劣天氣條件下。

為了解決這個問題，科學家們開發(fā)出多模態(tài)3D物體檢測方法，將3D LiDAR數(shù)據(jù)與標準攝像頭拍攝的2D RGB圖像相結合。雖然2D圖像和3D LiDAR數(shù)據(jù)的融合可以帶來更準確的3D檢測結果，但它仍然面臨著一系列挑戰(zhàn)，精確檢測小物體仍然很困難。由于校準不精確或遮擋等問題，如何充分對齊從2D和3D數(shù)據(jù)集中獨立提取的語義信息很難。

據(jù)外媒報道，在此背景下，由日本立命館大學（Ritsumeikan University）Hiroyuki Tomiyama教授領導的研究團隊開發(fā)出創(chuàng)新方法，使多模態(tài)3D物體檢測更加準確和且具有魯棒性。相關論文已發(fā)表于期刊《IEEE Internet of Things Journal》，該方案名為《動態(tài)點像素特征對齊網(wǎng)絡（Dynamic Point-Pixel Feature Alignment Network，DPPFA?Net）》。

返回第一電動網(wǎng)首頁 >