Afficher la notice abrégée

hal.structure.identifierLaboratoire Bordelais de Recherche en Informatique [LaBRI]
dc.contributor.authorBIASUTTI, Pierre
hal.structure.identifierLaboratoire Bordelais de Recherche en Informatique [LaBRI]
dc.contributor.authorBUGEAU, Aurélie
hal.structure.identifierInstitut de Mathématiques de Bordeaux [IMB]
dc.contributor.authorAUJOL, Jean-François
hal.structure.identifierMéthodes d'Analyses pour le Traitement d'Images et la Stéréorestitution [MATIS]
dc.contributor.authorBRÉDIF, Mathieu
dc.date.accessioned2024-04-04T03:01:24Z
dc.date.available2024-04-04T03:01:24Z
dc.date.conference2019-08-26
dc.identifier.urihttps://oskar-bordeaux.fr/handle/20.500.12278/192898
dc.description.abstractCe travail présente une nouvelle méthode pour la détection et la localisation d'objets dans des scènes 3D LiDAR acquises par des systèmes de cartographie mobile. Ce problème est généralement traité en discrétisant l'espace 3D en une fine grille de voxels. Nous introduisons une approche alternative ne nécessitant pas de discrétisation. Elle est basée sur la représentation en 2D du nuage de points en topologie capteur. Cette image sert d'entrée à un réseau de neurones convolutionnels qui en extrait les informations 3D des objets. La répresentation en topologie capteur présentant des ambiguïtés dans le fond de la scène, nous améliorerons les résultats de détection en couplant ce modèle avec un réseau de détection 2D d'objets sur une image optique. Les prédictions des deux réseaux sont finalement fusionnées pour obtenir les détections finales.
dc.description.abstractEnThis work proposes a novel approach for detection and localisation of objects in 3D LiDAR scenes aquired via Mobile Mapping Systems. While this task is often treated on a voxel grid representations of the point cloud, our method offers to use the point cloud in sensor topology, thus avoiding a discretisation step. This representation of the point cloud is used as an input for a CNN that extracts 3D positions and dimensions of objects in the scene. As far objects in the scene tends to be mixed with the background when seen in the sensor topology, we offer to enhance the 3D detection by fusing the 3D predictions with 2D object detections performed on optical images.
dc.language.isofr
dc.titleDétection et localisation d'objets 3D par apprentissage profond en topologie capteur
dc.typeCommunication dans un congrès
dc.subject.halInformatique [cs]/Vision par ordinateur et reconnaissance de formes [cs.CV]
bordeaux.hal.laboratoriesInstitut de Mathématiques de Bordeaux (IMB) - UMR 5251*
bordeaux.institutionUniversité de Bordeaux
bordeaux.institutionBordeaux INP
bordeaux.institutionCNRS
bordeaux.conference.titleGRETSI Groupement de Recherche en Traitement du Signal et de l'Image
bordeaux.countryFR
bordeaux.conference.cityLille
bordeaux.peerReviewedoui
hal.identifierhal-02100719
hal.version1
hal.invitednon
hal.proceedingsoui
hal.popularnon
hal.audienceNationale
hal.origin.linkhttps://hal.archives-ouvertes.fr//hal-02100719v1
bordeaux.COinSctx_ver=Z39.88-2004&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.title=D%C3%A9tection%20et%20localisation%20d'objets%203D%20par%20apprentissage%20profond%20en%20topologie%20capteur&rft.atitle=D%C3%A9tection%20et%20localisation%20d'objets%203D%20par%20apprentissage%20profond%20en%20topologie%20capteur&rft.au=BIASUTTI,%20Pierre&BUGEAU,%20Aur%C3%A9lie&AUJOL,%20Jean-Fran%C3%A7ois&BR%C3%89DIF,%20Mathieu&rft.genre=unknown


Fichier(s) constituant ce document

FichiersTailleFormatVue

Il n'y a pas de fichiers associés à ce document.

Ce document figure dans la(les) collection(s) suivante(s)

Afficher la notice abrégée