Open DeepTecher opened 5 years ago
Deep Multi-modal Object Detection and Semantic Segmentation for Autonomous Driving: Datasets, Methods, and Challenges
提交时间：2019-02-21
摘要： 最近在自动驾驶感知方面的进步是由深度学习驱动的。为了实现稳健和准确的场景理解，自动驾驶车辆通常配备有不同的传感器（例如，相机，LiDAR，雷达），并且可以融合多种感测模式以利用它们的互补特性。在这种情况下，已经提出了许多用于深度多模态感知问题的方法。然而，网络架构设计没有一般的指导方针，“融合什么”，“何时融合”和“如何融合”等问题依然存在。本综述试图系统地总结方法论，并讨论自动驾驶中深度多模态目标检测和语义分割的挑战。为此，我们首先概述了测试车辆上的车载传感器，开放数据集以及自动驾驶研究的目标检测和语义分割的背景信息。然后，我们总结了融合方法，并讨论了挑战和开放性问题。在附录中，我们提供了总结主题和方法的表格。我们还提供了一个交互式在线平台来浏览每个参考。https://multimodalperception.github.io/（编者注：交互在线平台暂未开放）
Deep Multi-modal Object Detection and Semantic Segmentation for Autonomous Driving: Datasets, Methods, and Challenges
提交时间：2019-02-21
摘要： 最近在自动驾驶感知方面的进步是由深度学习驱动的。为了实现稳健和准确的场景理解，自动驾驶车辆通常配备有不同的传感器（例如，相机，LiDAR，雷达），并且可以融合多种感测模式以利用它们的互补特性。在这种情况下，已经提出了许多用于深度多模态感知问题的方法。然而，网络架构设计没有一般的指导方针，“融合什么”，“何时融合”和“如何融合”等问题依然存在。本综述试图系统地总结方法论，并讨论自动驾驶中深度多模态目标检测和语义分割的挑战。为此，我们首先概述了测试车辆上的车载传感器，开放数据集以及自动驾驶研究的目标检测和语义分割的背景信息。然后，我们总结了融合方法，并讨论了挑战和开放性问题。在附录中，我们提供了总结主题和方法的表格。我们还提供了一个交互式在线平台来浏览每个参考。https://multimodalperception.github.io/（编者注：交互在线平台暂未开放）