Une Pipeline Générale pour la Détection 3D des Véhicules

La conduite autonome nécessite une perception 3D des véhicules et d'autres objets dans l'environnement. La plupart des méthodes actuelles prennent en charge la détection 2D des véhicules. Cet article propose une pipeline flexible permettant d'adapter n'importe quel réseau de détection 2D et de le fusionner avec un nuage de points 3D pour générer des informations 3D avec un minimum de modifications des réseaux de détection 2D. Pour identifier la boîte 3D, un algorithme efficace de modélisation est développé basé sur des modèles généralisés de voitures et des cartes de scores. Un réseau neuronal convolutif (CNN) à deux étapes est proposé pour affiner la boîte 3D détectée. Cette pipeline est testée sur le jeu de données KITTI en utilisant deux différents réseaux de détection 2D. Les résultats de détection 3D basés sur ces deux réseaux sont similaires, démontrant la flexibilité de la pipeline proposée. Les résultats se classent deuxième parmi les algorithmes de détection 3D, indiquant leurs compétences en matière de détection 3D.