Détection de véhicules à partir de données LiDAR 3D utilisant un réseau neuronal convolutif pleinement connecté

Les techniques de réseau de convolution ont récemment connu un grand succès dans les tâches de détection basées sur la vision. Cet article présente le développement récent de nos recherches visant à transposer la technique des réseaux entièrement convolutionnels aux tâches de détection sur des données d'images de profondeur 3D. Plus précisément, le scénario est défini comme une tâche de détection de véhicules à partir des données d'images de profondeur du lidar Velodyne 64E. Nous proposons de représenter les données sous forme de carte de points 2D et d'utiliser un seul réseau entièrement convolutionnel 2D pour prédire simultanément la confiance en l'objet (objectness) et les boîtes englobantes. En concevant soigneusement l'encodage des boîtes englobantes, il est possible de prédire des boîtes englobantes pleinement 3D même avec un réseau convolutif 2D. Les expériences menées sur l'ensemble de données KITTI montrent que la méthode proposée atteint des performances parmi les meilleures actuellement disponibles (state-of-the-art).