Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Temporal Data Processing for 3D Object Detection in Autonomous Driving
Übersetzter Titel:
Temporale Datenverarbeitung für 3D-Objekterkennung beim autonomen Fahren
Autor:
Erçelik, Emeç
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Knoll, Alois Christian (Prof. Dr.)
Gutachter:
Knoll, Alois Christian (Prof. Dr. habil.); Üre, Nazim Kemal (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik; NAT Naturwissenschaften (allgemein); TEC Technik, Ingenieurwissenschaften (allgemein)
TU-Systematik:
DAT 260; DAT 815
Kurzfassung:
We propose three approaches to enhance 3D object detection using the sequential data. First, we aggregate scene-level feature maps of multiple frames to obtain a richer representation of the entire scene. Next, we present an object-level method, where temporal object representations are constructed using regional object features from preceding time steps. Finally, we adopt self-supervised scene flow, an inherently-temporal perception task, to learn motion-aware features for the 3D detector.
Übersetzte Kurzfassung:
Wir schlagen drei Ansätze zur Verbesserung der 3D-Erkennung unter Verwendung der zeitlichen Daten vor, um reichhaltigere Darstellungen zu erhalten: auf Szenenebene, auf Objektebene und auf der Grundlage eines selbst überwachten Szenenflusses. Die Szenenebene-Methode aggregiert Merkmalskarten aus mehreren Bildern. Die Methode auf Objektebene tut dasselbe mit regionalen Objektmerkmalen. Die dritte Methode, eine inhärent-temporale Wahrnehmungsaufgabe, liefert Bewegungsmerkmale für den 3D-Detektor.
WWW:
https://mediatum.ub.tum.de/?id=1658571
Eingereicht am:
07.06.2022
Mündliche Prüfung:
06.12.2022
Dateigröße:
32278122 bytes
Seiten:
128
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221206-1658571-1-3
Letzte Änderung:
24.02.2023
 BibTeX