FenixEdu™

Dissertação

Real Time Object Detection Using LiDAR Point Clouds, a Study on Dynamic Voxelization EVALUATED

Detalhes: Com este trabalho, propomos a implementação de um método que melhora a eficiência, tanto em termos de memória como de tempo, da deteção e classificação de objetos no ambiente automobilístico. Usámos PointPillars, o modelo estado da arte na deteção e classificação de objetos em nuvens de pontos LiDAR no dataset KITTI, para estudar como um novo método de voxelização, "dynamic voxelization", afeta a sua performance. Mostramos que a nossa implementação consegue reduzir o tempo de computação do método PointPillars em 10% e a memória utilizada em 14%, na deteção de carros no dataset KITTI. O nosso estudo confirma os benefícios da utilização do método "dynamic voxelization" e fornece dados para suportar essas afirmações, algo que até ao momento não havia sido feito. Treinámos também o modelo para as classes "Pedestrian" e "Cyclist" e apresentamos os resultados obtidos de forma a fornecer um ponto de partida para estudos futuros. De forma a garantir que o nosso trabalho é reproduzível e replicável, apresentamos uma explicação completa do nosso método e o respetivo código.
Keywords: Deteção de objetos, KITTI, LiDAR, Deep Learning, Voxelização, Reproducibilidade

Discussão: setembro 24, 2021, 8:30