2024-01-11 19:00
机器人和自动驾驶汽车是技术领域中增长最快的领域之一，或将使工作和交通变得更安全、更高效。由于机器人和自动驾驶汽车都需要准确感知周围环境，因此3D物体检测方法研究领域备受关注。
大多数3D物体检测方法都采用LiDAR传感器来创建其环境的3D点云。简而言之，LiDAR传感器使用激光束快速扫描和测量源周围物体和表面的距离。然而，由于激光雷达对噪声的高敏感性，单独使用激光雷达数据可能会导致错误，特别是在降雨期间等恶劣天气条件下。
为了解决这个问题，科学家们开发出多模态3D物体检测方法，将3D LiDAR数据与标准摄像头拍摄的2D RGB图像相结合。虽然2D图像和3D LiDAR数据的融合可以带来更准确的3D检测结果，但它仍然面临着一系列挑战，精确检测小物体仍然很困难。由于校准不精确或遮挡等问题，如何充分对齐从2D和3D数据集中独立提取的语义信息很难。
据外媒报道，在此背景下，由日本立命馆大学（Ritsumeikan University）Hiroyuki Tomiyama教授领导的研究团队开发出创新方法，使多模态3D物体检测更加准确和且具有鲁棒性。相关论文已发表于期刊《IEEE Internet of Things Journal》，该方案名为《动态点像素特征对齐网络（Dynamic Point-Pixel Feature Alignment Network，DPPFA−Net）》。
扫一扫关注微信
