LaserNet:一種高效自動(dòng)駕駛概率三維目標(biāo)探測器
本文介紹了一種基于激光雷達(dá)數(shù)據(jù)的激光網(wǎng)絡(luò)自動(dòng)駕駛三維目標(biāo)檢測方法——LaserNet。高效的處理結(jié)果來自于在傳感器的自然距離視圖中處理激光雷達(dá)數(shù)據(jù)。在激光雷達(dá)視場范圍內(nèi)的操作有許多挑戰(zhàn),不僅包括遮擋和尺度變化,還有基于傳感器如何捕獲數(shù)據(jù)來提供全流程信息。
本文介紹的方法是使用一個(gè)全卷積網(wǎng)絡(luò)來預(yù)測每個(gè)點(diǎn)在三維物體上的多模態(tài)分布,然后有效地融合這些多模態(tài)分布來生成對(duì)每個(gè)對(duì)象的預(yù)測。實(shí)驗(yàn)表明,把每個(gè)檢測建?醋饕粋(gè)分布,能獲得更好的整體檢測性能。基準(zhǔn)測試結(jié)果表明,相比其他的檢測方法,本方法的運(yùn)行時(shí)間更少;在訓(xùn)練大量數(shù)據(jù)來克服視場范圍目標(biāo)檢測問題上,本方法獲得最佳性能。
LaserNet通過以下幾個(gè)步驟實(shí)現(xiàn)三維檢測:
使用傳感器的固有范圍視場來構(gòu)建一個(gè)密集的輸入圖像;
圖像通過全卷積網(wǎng)絡(luò)生成一組預(yù)測;
對(duì)于圖像中的每個(gè)激光雷達(dá)點(diǎn),預(yù)測一個(gè)類概率,并在俯視圖中對(duì)邊界框架進(jìn)行概率分布回歸;
每個(gè)激光雷達(dá)點(diǎn)分布通過均值漂移聚類進(jìn)行組合,以降低單個(gè)預(yù)測中的噪聲;
檢測器進(jìn)行端到端訓(xùn)練,在邊界框架上定義損失;
用一種新的自適應(yīng)非最大抑制(NMS)算法來消除重疊的邊框分布。
上圖為深層聚合網(wǎng)絡(luò)架構(gòu)。列表示不同的分辨率級(jí)別,行表示聚合階段。
上圖為特征提取模塊(左)和特征聚合模塊(右)。虛線表示對(duì)特征圖進(jìn)行了卷積。
上圖為自適應(yīng)NMS。在兩輛車并排放置的情況下,左邊的虛線描述了產(chǎn)生的一組可能的預(yù)測。為了確定邊界框是否封裝了唯一的對(duì)象,使用預(yù)測的方差(如中間所示)來估計(jì)最壞情況下的重疊(如右圖所示)。在本例中,由于實(shí)際重疊小于估計(jì)的最壞情況重疊,因此將保留這兩個(gè)邊界框。
上圖為在訓(xùn)練集和驗(yàn)證集上的邊界框上的預(yù)測分布的校準(zhǔn)的圖。結(jié)果表明,該模型不能學(xué)習(xí)KITTI上的概率分布,而能夠?qū)W習(xí)較大的ATG4D上的分布。
【實(shí)驗(yàn)結(jié)果】
上表顯示了與其他最先進(jìn)的方法相比,LaserNet在驗(yàn)證集上的結(jié)果。像KITTI基準(zhǔn)一樣,我們計(jì)算了汽車0.7 IoU和自行車及行人0:5 IoU的平均精度(AP)。在這個(gè)數(shù)據(jù)集上,LaserNet在0-70米范圍內(nèi)表現(xiàn)優(yōu)于現(xiàn)有的最先進(jìn)的方法。此外,LaserNet在所有距離上都優(yōu)于LiDAR-only方法,只有在附加圖像數(shù)據(jù)提供最大價(jià)值的長距離上,車輛和自行車上的LiDAR-RGB方法優(yōu)于LaserNet。
對(duì)ATG4D數(shù)據(jù)集進(jìn)行消融研究,結(jié)果如上表所示。
預(yù)測概率分布。預(yù)測概率分布最大的改進(jìn)是預(yù)測邊界框架的分布。當(dāng)僅預(yù)測平均邊界框時(shí),公式(6)為簡單平均,公式(9)為框角損失。此外,邊界框的得分在本例中是類概率。實(shí)驗(yàn)結(jié)果表明,性能上的損失是由于概率與邊界框架的準(zhǔn)確性沒有很好地相關(guān)性導(dǎo)致的。
圖像形成:Velodyne 64E激光雷達(dá)中的激光器并不是均勻間隔的。通過使用激光id將點(diǎn)映射到行,并在傳感器捕獲數(shù)據(jù)時(shí)直接處理數(shù)據(jù),可以獲得性能上的提高。
均值漂移聚類:每個(gè)點(diǎn)獨(dú)立地預(yù)測邊界框的分布,通過均值漂移聚類將獨(dú)立的預(yù)測組合起來實(shí)現(xiàn)降噪。
非極大值抑制:當(dāng)激光雷達(dá)的點(diǎn)稀疏時(shí),有多個(gè)邊界框的配置可以解釋觀測到的數(shù)據(jù)。通過預(yù)測各點(diǎn)的多模態(tài)分布,進(jìn)一步提高了該方法的查全率。在生成多模態(tài)分布時(shí),使用具有嚴(yán)格閾值的NMS是不合適的。或者,我們可以使用軟NMS來重新評(píng)估置信度,但是這打破了對(duì)置信度的概率解釋。通過自適應(yīng)NMS算法,保持了概率解釋,并獲得了更好的性能。
對(duì)于自動(dòng)駕駛而言,運(yùn)行時(shí)性能同樣重要。上表比較了LaserNet(在NVIDIA 1080Ti GPU上測量)和KITTI上現(xiàn)有方法的運(yùn)行時(shí)的性能。Forward Pass是指運(yùn)行網(wǎng)絡(luò)所花費(fèi)的時(shí)間,除Forward Pass外,總時(shí)間還包括預(yù)處理和后處理。由于在一個(gè)小的密集的范圍視場內(nèi)處理,LaserNet比目前最先進(jìn)的方法快兩倍。
使用訓(xùn)練集中的5,985個(gè)掃描點(diǎn)訓(xùn)練網(wǎng)絡(luò),并保留其余的掃描以進(jìn)行驗(yàn)證。使用與之前相同的學(xué)習(xí)時(shí)間表對(duì)網(wǎng)絡(luò)進(jìn)行5萬次迭代訓(xùn)練,并在單個(gè)GPU上使用12個(gè)批處理。為了避免在這個(gè)小的訓(xùn)練集上過度擬合,采用數(shù)據(jù)增強(qiáng)手段隨機(jī)翻轉(zhuǎn)范圍圖像,并在水平維度上隨機(jī)像素移動(dòng)。在這樣一個(gè)小的數(shù)據(jù)集中,學(xué)習(xí)邊界框上的概率分布,特別是多模態(tài)分布是非常困難的。因此,訓(xùn)練網(wǎng)絡(luò)只檢測車輛并預(yù)測邊界框上的單峰概率分布。如上表所示,我們的方法在這個(gè)小數(shù)據(jù)集上的性能比當(dāng)前最先進(jìn)的鳥瞰圖檢測器差。
發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長度6~500個(gè)字
圖片新聞
最新活動(dòng)更多
-
11月19日立即報(bào)名>> 【線下論壇】華邦電子與恩智浦聯(lián)合技術(shù)論壇
-
12月19日立即報(bào)名>> 【線下會(huì)議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
-
精彩回顧立即查看>> 蔡司新能源汽車三電質(zhì)量解決方案
-
精彩回顧立即查看>> 蔡司新能源汽車三電質(zhì)量解決方案
-
精彩回顧立即查看>> 2024(第五屆)全球數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)大會(huì)暨展覽會(huì)
-
精彩回顧立即查看>> 【線下會(huì)議】全數(shù)會(huì)2024電子元器件展覽會(huì)
推薦專題
- 1 “作弊器”不靈了?智駕的激光雷達(dá),正在被攝像頭替代
- 2 被逼墻角的Mobileye,祭出 CAIS 大旗,挑戰(zhàn)端到端大模型智能駕駛
- 3 4 激光雷達(dá)與純視覺方案,哪個(gè)才是自動(dòng)駕駛最優(yōu)選?
- 5 激光雷達(dá)即將降價(jià),純視覺回到鄙視鏈底層?
- 6 如何跑贏汽車智能化下半場?
- 7 從小鵬、理想、蔚來布局看自動(dòng)駕駛發(fā)展趨勢
- 8 智能駕駛的百生相,你是該信呢?還是該信呢?
- 9 比亞迪技術(shù)魚池大戰(zhàn)豐田工具箱,誰將主導(dǎo)未來汽車市場?
- 10 全網(wǎng)最詳解! 美國禁止中國智駕究竟包括哪些?
- IE工程師(汽車智聯(lián)) 惠州碩貝德無線科技股份有限公司
- 銷售經(jīng)理(汽車新能源行業(yè)) 廣州瑞松智能科技股份有限公司
- 硬件開發(fā)工程師(前裝汽車電子) 深圳奧尼電子股份有限公司
- 項(xiàng)目經(jīng)理(汽車內(nèi)飾&汽車電子) 伯恩光學(xué)(惠州)有限公司
- 銷售總監(jiān)-汽車電子方向 深圳市智立方自動(dòng)化設(shè)備股份有限公司
- 現(xiàn)場技術(shù)支持工程師(汽車) 易思維(杭州)科技股份有限公司
- 高級(jí)軟件工程師 廣東省/深圳市
- 自動(dòng)化高級(jí)工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級(jí)銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市