Toward Solving Occlusion and Sparsity in Deep Learning-Based 3D Object Detection through Collaborative Perception

Toward Solving Occlusion and Sparsity in Deep Learning-Based 3D Object Detection through Collaborative Perception

La détection précise d objets 3D est un enjeu majeur pour l intégration sécurisée des véhicules autonomes dans le trafic routier. Le LiDAR, offrant des mesures de profondeur précises et relativement denses, est très présent dans les bases de données deréférence. Cependant, ses nuages de points sont...

Description complète

Détails bibliographiques
Auteurs principaux : Dao Minh Quan (Auteur), Frémont Vincent (Directeur de thèse), Héry Elwan (Directeur de thèse), Ainouz Samia (Président du jury de soutenance), Chateau Thierry (Rapporteur de la thèse), Nedevschi Sergiu (Rapporteur de la thèse), Malis Ezio (Membre du jury), Nashashibi Fawzi (Membre du jury)
Collectivités auteurs : Centrale Nantes 1991-.... (Organisme de soutenance), Sciences de l'ingénierie et des systèmes Nantes Université (Ecole doctorale associée à la thèse), Laboratoire des Sciences du Numérique de Nantes (Laboratoire associé à la thèse)
Format : Thèse ou mémoire
Langue : anglais
Titre complet : Toward Solving Occlusion and Sparsity in Deep Learning-Based 3D Object Detection through Collaborative Perception / Minh Quan Dao; sous la direction de Vincent Frémont et de Elwan Héry
Publié : 2023
Accès en ligne : Accès Nantes Université
Note sur l'URL : Accès au texte intégral
Note de thèse : Thèse de doctorat : Robotique : Ecole centrale de Nantes : 2023
Sujets :
Automobiles > Commande automatique
Lidar
Apprentissage profond
Reconnaissance d'objets (informatique)
Perception collaborative
V2X
Détection objets en 3D
Thèses et écrits académiques

Internet

http://www.theses.fr/2023ECDN0026/document