Pseudo-LiDAR à partir de l'estimation de profondeur visuelle : Réduire l'écart dans la détection d'objets 3D pour la conduite autonome

La détection d'objets en 3D est une tâche essentielle dans le domaine de la conduite autonome. Les techniques récentes excellent en termes de taux de détection très précis, à condition que les données d'entrée en 3D soient obtenues à partir de la technologie LiDAR précise mais coûteuse. Jusqu'à présent, les approches basées sur des données d'imagerie monoculaire ou stéréoscopique moins chères ont abouti à des précisions nettement inférieures — un écart généralement attribué à une mauvaise estimation de profondeur basée sur l'image. Cependant, dans cet article, nous soutenons que ce n'est pas la qualité des données qui explique la majeure partie de cette différence, mais plutôt leur représentation. En tenant compte du fonctionnement interne des réseaux neuronaux convolutifs, nous proposons de convertir les cartes de profondeur basées sur l'image en représentations pseudo-LiDAR — imitant essentiellement le signal LiDAR. Avec cette représentation, nous pouvons appliquer différents algorithmes de détection existants basés sur le LiDAR. Sur le benchmark populaire KITTI, notre approche réalise des améliorations impressionnantes par rapport à l'état de l'art actuel en matière de performances basées sur l'image — augmentant la précision de détection des objets situés dans un rayon de 30 mètres de 22 % (l'état de l'art précédent) à un niveau sans précédent de 74 %. Au moment de la soumission, notre algorithme occupe la première place du classement KITTI pour la détection d'objets en 3D basée sur des images stéréoscopiques. Notre code est disponible au public sur https://github.com/mileyan/pseudo_lidar.