文献

J-GLOBAL ID：202102272906576721   整理番号：21A0148659

LiDARデータを用いた深い3Dオブジェクト検出ネットワーク:レビュー【JST・京大機械翻訳】

Deep 3D Object Detection Networks Using LiDAR Data: A Review

著者 (4件)： Wu Yutian (Graduate School of Information, Production and Systems, Waseda University, Fukuoka, Japan) ,  Wang Yueyu (Horizon Robotics, Beijing, China) ,  Zhang Shuwei (Graduate School of Information, Production and Systems, Waseda University, Fukuoka, Japan) ,  Ogai Harutoshi (Graduate School of Information, Production and Systems, Waseda University, Fukuoka, Japan)
資料名： IEEE Sensors Journal  (IEEE Sensors Journal)
巻： 21  号： 2  ページ： 1152-1171  発行年： 2021年 
JST資料番号： W1318A  ISSN： 1530-437X  CODEN： ISJEAZ  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： インテリジェントシステムの基礎として,マシンビジョンは周囲の環境を認識し,意思決定のための基礎を提供する。物体検出はマシンビジョンにおけるコアタスクである。3D物体検出は,オブジェクト立体サイズと位置情報を提供できる。画像座標で広く研究された2D物体検出と比較して,それは検出システムのより多くの応用を提供することができる。正確なLiDARデータは,より強い空間捕捉能力を持ち,自然光に鈍感であり,LiDARを3D検出用の潜在的センサにした。最近,センサデータから強力な物体特徴を学習するために,深いニューラルネットワークが開発されている。しかし,LiDARポイントクラウドデータのスパース性は,ネットワーク処理に挑戦する。この困難に取り組むために,出現した努力がなされてきたが,包括的なレビュー文献はまだ不足している。本論文の目的は,LiDARデータを用いた3D物体検出ネットワークの課題と方法論をレビューすることである。この理由で,まず,3D検出タスクとLiDARセンシング技術の概要を示した。次に,3種類のLiDARポイントクラウド表現とそれらの課題による深い3D検出ネットワークのレビューを折りたたんだ。次に,3つの著者の3D検出ベンチマークに関するアルゴリズムの評価計量と性能を要約した。最後に,課題と未解決の問題の貴重な洞察を提供する。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  意思決定 ,  *ネットワーク ,  ニューラルネットワーク ,  文献展望 ,  二次元 ,  センサ ,  *三次元 ,  ベンチマーク ,  位置情報 ,  *物体検出 ,  センシング技術
準シソーラス用語： スパース性 ,  インテリジェントシステム ,  マシンビジョン , 【Automatic Indexing@JST】

分類 (1件)： 通信網  (ND07030A)

タイトルに関連する用語 (4件)： LIDARデータ ,  3D ,  オブジェクト検出 ,  レビュー