论文地址： http://arxiv.org/pdf/1902.07830v4.pdf
来源： Robert Bosch GmbH
论文名称：Deep Multi-modal Object Detection and Semantic Segmentation for Autonomous: Driving Datasets, Methods, and Challenges
原文作者：Di Feng
内容提要
最近在自动驾驶感知方面的进步是由深度学习推动的。为了实现鲁棒和准确的场景理解，自动驾驶汽车通常配备不同的传感器(如摄像机、激光雷达、雷达)，并可以融合多种传感模式，以利用它们的互补特性。在此背景下，针对深度多模态感知问题提出了许多方法。然而，对于网络架构设计并没有通用的指导方针，关于融合什么、何时融合以及如何融合的问题仍然是开放的。本文对自动驾驶中深度多模态目标检测和语义分割的方法进行了系统的总结，并讨论了这些方法所面临的挑战。为此，我们首先概述了自动驾驶研究中用于目标检测和语义分割的测试车辆上的传感器、开放数据集和背景信息。然后我们总结了融合的方法，并讨论了挑战和未决问题。在附录中，我们提供了总结主题和方法的表格。
主要框架及实验结果
声明：文章来自于网络，仅用于学习分享，版权归原作者所有。
分享最新的CVPR、ECCV、ICCV、IROS等人工智能论文，关注深度学习、自动驾驶领域。
