FenixEdu™

Dissertação

Data Augmentation for LiDAR-based 3D Vehicle Detection on Sloped Roads EVALUATED

Detalhes: Com o intuito de tornar as estradas cada vez mais seguras, os sistemas de condução autónoma pretendem desenvolver carros onde a intervenção humana seja reduzida, ou até mesmo eliminada. No entanto, devido às condições variáveis e diferentes elementos que existem nos ambientes rodoviários, estes sistemas necessitam de constante melhoria. Sabendo que os principais conjuntos de dados disponíveis na literatura não incluem a orientação vertical dos objetos anotados e que nem todas as grandes cidades são planas (onde esta orientação possa ser ignorada), propomos um algoritmo de aumento de dados (aplicado em dados LiDAR) que manipula estes objetos através da aplicação de uma orientação vertical. Para a criação de novos conjuntos de dados, usámos o conjunto de dados KITTI. Obtivemos modelos de detecção por implementação da rede de detecção Complex-YOLO e comparámo-los com o estado da arte para avaliar o impacto da manipulação da orientação vertical no desempenho da regressão da orientação horizontal. Concluímos que a perda de desempenho nas principais classes de detecção da literatura é residual para a tipologia normal do detector de objetos e considerável para a tipologia de menor dimensão, apresentando esta última um desempenho computacional muito superior. Concluímos também que o aumento da variação da orientação vertical pode levar a uma redução generalizada no desempenho dos modelos de detecção. No entanto, os resultados gerais não se revelam um retrocesso, pelo que é disponibilizado um repositório do código desenvolvido para este trabalho com a intenção de que sirva como ponto de partida para futuro trabalho.
Keywords: Sistemas de condução autónoma, aprendizagem profunda, aumento de dados, dados de LiDAR, detecção de objectos 3D

Discussão: dezembro 15, 2022, 11:0