KIT | KIT-Bibliothek | Impressum | Datenschutz

LiDAR Domain Adaptation - Automotive 3D Scene Understanding

Triess, Larissa T. ORCID iD icon 1
1 Karlsruher Institut für Technologie (KIT)

Abstract:

Umgebungswahrnehmung und Szeneverständnis spielen bei autonomen Fahrzeugen eine wesentliche Rolle. Ein Fahrzeug muss sich der Geometrie und Semantik seiner Umgebung bewusst sein, um das Verhalten anderer Verkehrsteilnehmer:innen vorherzusagen und sich selbst im fahrbaren Raum zu lokalisieren, um somit richtig zu navigieren. Heutzutage verwenden praktisch alle modernen Wahrnehmungssysteme für das automatisierte Fahren tiefe neuronale Netze. Um diese zu trainieren, werden enorme Datenmengen mit passenden Annotationen benötigt. Die Beschaffung der Daten ist relativ unaufwendig, da nur ein mit den richtigen Sensoren ausgestattetes Fahrzeug herumfahren muss. ... mehr

Abstract (englisch):

Environment perception and scene understanding play essential roles in autonomous vehicles. A vehicle needs to be aware of the geometry and semantics of its surroundings to predict the behavior of other traffic participants and localize itself in the drivable space to navigate properly. Today, virtually all modern perception systems for automated driving are based on deep learning methods. They require tremendous amounts of data with matching annotations to be trained. Obtaining the data is relatively easy, since it only requires a vehicle equipped with the correct sensors to drive around. ... mehr


Volltext §
DOI: 10.5445/IR/1000158328
Veröffentlicht am 03.05.2023
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB)
Publikationstyp Hochschulschrift
Publikationsjahr 2023
Sprache Englisch
Identifikator KITopen-ID: 1000158328
Verlag Karlsruher Institut für Technologie (KIT)
Umfang XVI, 183 S.
Art der Arbeit Dissertation
Fakultät Fakultät für Wirtschaftswissenschaften (WIWI)
Institut Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB)
Prüfungsdatum 20.12.2022
Schlagwörter LiDAR, domain adaptation, scene understanding, environment perception, autonomous vehicles, autonomous driving, semantic segmentation, object detection, deep learning, data generation, data augmentation, generative adversarial networks, computer vision, realism metric, LiDAR metric, point cloud, 3D data, domain mapping, domain-invariant features,
Referent/Betreuer Zöllner, J. Marius
Enzweiler, Markus
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page