为什么3D点云数据在人工智能自动驾驶领域需求越来越大
为什么3D点云数据在人工智能自动驾驶领域需求越来越大
1)硬件设备采集性能更好了:
随着3D采集技术的快速发展,3D传感器越来越多且价格实惠,自动驾驶汽车搭载的传感系统已经包括各种类型的3D扫描仪、激光雷达和RGB-D摄像机(如Kinect、RealSense和RealSense、苹果深度相机)来进行周围环境的感知。
2)3D数据可以提供更多的维度信息
这些传感器获取的3D数据可以提供丰富的几何、形状和比例信息;与二维图像相辅相成,三维数据提供了一个以更好地了解机器周围的环境的机会。三维数据通常可以用不同的格式来表示。包括深度图像、点云、网格和体积网格。作为一种常用的格式,点云保留了原始的几何信息在三维空间中,不需要任何离散化。因此,它是许多场景理解相关的首选表示方法。
3)深度学习技术可以处理无序的3D数据的方法越来越多
深度学习作为人工智能领域的主要技术,深度学习已经成功用于解决各种二维视觉问题。然而,由于通过深度神经网络处理点云的过程中面临的独特挑战,点云上的深度学习仍处于起步阶段。近来,点云上的深度学习更加蓬勃发展,众多的方法正在提出解决这一领域的不同问题。
点云上的深度学习一直吸引着更多的和更多的关注,特别是在过去五年。一些公开的数据集也被发布,如ModelNet , ScanObjectNN , ShapeNet , PartNet ,S3DIS , ScanNet , Semantic3D , ApolloCar3D, and the KITTI Vision Benchmark Suite 。这些数据集进一步推动了深度学习在三维点云上的研究。随着越来越多的方法拟解决与点云处理有关的各种问题,包括3D形状分类、3D物体检测和跟踪、3D点云分割、3D点云对准、6-DOF姿