메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
최광진 (한양대학교) 김지송 (한양대학교) 성민재 (한양대학교) 방건호 (한양대학교) 최준원 (한양대학교)
저널정보
한국자동차공학회 한국자동차공학회 춘계학술대회 2023 한국자동차공학회 춘계학술대회
발행연도
2023.5
수록면
1,045 - 1,048 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In this paper, we present a late-fusion method for integrating LiDAR and camera data to enhance 3D object detection in autonomous driving scenarios. Accurate environmental perception is vital for autonomous vehicles, prompting the exploration of sensor fusion methods that leverage complementary data from multiple sensors. Our work focuses on LiDAR-camera sensor fusion, aiming to merge positional data from LiDAR with semantic information from cameras. Fusion approaches are classified into early, middle, and late fusion, based on the timing of sensor data integration. We present a high-accuracy 3D object detection framework that exploits the benefits of late fusion in integrating LiDAR and camera data. We employed 3D and 2D detectors to generate feature maps and bounding boxes from each sensors. A transformer decoder is utilized to fuse LiDAR and camera data, using the queries to initialize the LiDAR feature map and 3D proposal positions. Finally, the classification scores of the 3D bounding boxes are rescaled to enhance overall accuracy. To evaluate the effectiveness of our approach, we conduct experiments on the KITTI dataset and outperformed the existing late fusion and baseline models.
#3D Object Detection(물체 검출) #Deep Learning(딥러닝) #Autonomous Driving(자율 주행) #Computer Vision(영상 처리) #Sensor Fusion(센서 융합)

목차

Abstract
1. 서론
2. 본론
3. 실험
4. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

생성형 이미지를 이용한 멀티모달 장면 검색 시스템
이주희 ,  양효걸 ,  강제원 외 2명 방송공학회논문지 2024 .05
노이즈 추가된 입력에서 고유 모달 특징 맵을 통한 멀티모달 오디오 비주얼 질의응답 인공지능 모델의 성능 개선
박규리 ,  오영민 ,  김정욱 한국방송미디어공학회 학술발표대회 논문집 2023 .06
감정 인식을 위한 멀티모달 모델: Early Fusion과Late Fusion 방식 비교를 중심으로
황희태 ,  곽소정 ,  김주현 외 1명 한국정보과학회 학술발표논문집 2023 .06
멀티모달 감정인식을 위한 사전학습된 모델 기반 텍스트 및 음성 특징표현 활용 방법
김준우 ,  김동현 ,  도주성 외 1명 한국정보과학회 학술발표논문집 2022 .06
한국어 영상 데이터 감정 분류를 위한 멀티모달 딥러닝 모델
문석호 ,  김성범 대한산업공학회 추계학술대회 논문집 2020 .11

최근 본 자료

전체보기

댓글(0)

0