User: Guest  Login
Less Searchfields
Simple search
Document type:
Masterarbeit
Author(s):
Wardana, Gerhard Arya
Title:
Deep Multi-modal Cooperative 3D Object Detection of Traffic Participants Using Onboard and Roadside Sensors
Translated title:
Tiefe multimodale kooperative 3D-Objekterkennung von Verkehrsteilnehmern mit Hilfe von Fahrzeug- und Infrastruktursensorik
Abstract:
It is necessary to ensure that the deployed autonomous driving systems are as robust, reliable, and safe as possible. Most research today is focused on onboard vehicle autonomous driving. This approach inherently is weak against occlusion. Cooperative driving, combining vehicle and infrastructure sensors, alleviates this weakness. Camera-LiDAR fusion is used to cover the weaknesses of each sensor modality. However, this increases the amount of data that needs to be processed. As such, it is nece...     »
Translated abstract:
Es muss sichergestellt werden, dass die eingesetzten autonomen Fahrsysteme so robust, zuverlässig und sicher wie möglich sind. Die meisten Forschungsarbeiten konzentrieren sich heute auf das autonome Fahren im Fahrzeug. Dieser Ansatz ist von Natur aus schwach gegenüber Verdeckungen. Kooperatives Fahren, bei dem Fahrzeug- und Infrastruktursensoren kombiniert werden, mildert diese Schwäche. Die Kamera-LiDAR-Fusion wird eingesetzt, um die Schwächen der einzelnen Sensormodalitäten auszugleichen. Die...     »
Keywords:
Autonomous driving; Cooperative driving; Sensor fusion; 3D object detection; Camera-LiDAR fusion; Infrastructure sensor; Vehicle sensor; Camera; LiDAR
Subject:
DAT Datenverarbeitung, Informatik
DDC:
000 Informatik, Wissen, Systeme
Advisor:
Zimmer, Walter
Date of acceptation:
15.10.2023
Year:
2023
Pages:
102
Language:
en
Language from translation:
de
University:
Technische Universität München
Faculty:
TUM School of Computation, Information and Technology
 BibTeX