ポイントクラウドにおけるロバストな3Dオブジェクト検出法の調査【JST・京大機械翻訳】

Zimmer Walter; Ercelik Emec; Zhou Xingcheng; Ortiz Xavier Jair Diaz; Knoll Alois

プレプリント

J-GLOBAL ID：202202200128328274 整理番号：22P0323603

ポイントクラウドにおけるロバストな3Dオブジェクト検出法の調査【JST・京大機械翻訳】

A Survey of Robust 3D Object Detection Methods in Point Clouds

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月31日プレプリントサーバーでの情報更新日： 2022年03月31日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本研究の目的は,最先端のLiDARベースの3D物体検出法,データセット,および課題をレビューすることである。新しいデータ増強法,サンプリング戦略,活性化関数,注意機構,および正則化法について述べた。さらに,最近導入された正規化法,学習速度スケジュールおよび損失関数をリストした。さらに,10の新規自律駆動データセットの利点と限界もカバーした。KITTI,nuScene,Waymoデータセット上の新しい3Dオブジェクト検出器を評価し,それらの精度,速度,ロバスト性を示した。最後に,著者らは,LiDARポイントクラウドにおける3D物体検出における現在の課題に言及して,いくつかの未解決の問題点をリストした。【JST・京大機械翻訳】

, , , , , , ,
, , , , 【Automatic Indexing@JST】

地形データの処理 , 写真測量,空中写真

, , , , ,

前のページに戻る