User: Guest  Login
If you experience problems opening the document, please try this link.
Original title:
Temporal Data Processing for 3D Object Detection in Autonomous Driving
Translated title:
Temporale Datenverarbeitung für 3D-Objekterkennung beim autonomen Fahren
Author:
Erçelik, Emeç
Year:
2022
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Advisor:
Knoll, Alois Christian (Prof. Dr.)
Referee:
Knoll, Alois Christian (Prof. Dr. habil.); Üre, Nazim Kemal (Prof. Dr.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik; NAT Naturwissenschaften (allgemein); TEC Technik, Ingenieurwissenschaften (allgemein)
TUM classification:
DAT 260; DAT 815
Abstract:
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.
Translated abstract:
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
Date of submission:
07.06.2022
Oral examination:
06.12.2022
File size:
32278122 bytes
Pages:
128
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221206-1658571-1-3
Last change:
24.02.2023
 BibTeX