Estudio comparativo e implementación de los algoritmos FrustumPointNets y VoxelNET en Python con TensorFlow para la detección de obstáculos en la vía mediante laser scanner 3D …

Abstract:

Diversos algoritmos han sido desarrollados actualmente para tratar la problemática del reconocimiento de objetos y obstáculos en la vía, tales como algoritmos de FrustumPointNets, MV3D, VxNet++, AVOD entre otros que se publican cada día en KITTI. Sin embargo, en un proceso de reconocimiento de objetos 3D se requiere de alta capacidad computacional para su procesamiento, donde es necesario contar con equipos de cómputo de alto nivel de procesamiento y rendimiento. En este contexto se propone una solución a la problemática descrita a partir de la implementación del algoritmo FrustumPointNets en Python con TensorFlow para la detección de obstáculos en la vía mediante láser scanner 3D LiDAR. Una vez probado la integración de los algoritmos propuestos, se pudo observar que los resultados clasifican como satisfactorios, puesto que se detectan correctamente los principales objetos del dataset, incluso aquellos que están a una distancia muy lejana. Para cada una de las imágenes detectadas se determina el nivel de confianza en la detección. Se pudo observar que el nivel de aciertos disminuye cuando hay objetos de la clase vehículos, cortados u ocluidos. La investigación desarrollada, contribuye al desarrollo de la conducción autónoma de vehículos, lo que le concede valor científico e impacto en la automatización de procesos. Abstract: Various algorithms have currently been developed to deal with the problem of recognizing objects and obstacles on the road, such as algorithms from FrustumPointNets, MV3D, VxNet++, AVOD, among others that are published every day in KITTI. However, in a 3D object recognition …

Año de publicación:

2022

Keywords:

Fuente:

google