十年:设计高效且准确的距离估计模块以实现移动高级驾驶辅助系统中的碰撞避免
发表于: 。本研究旨在解决传统像素级深度估计神经网络在移动高级驾驶辅助系统中的实时应用挑战。我们提出了DECADE模型,通过处理检测器输出而非构建像素级深度图,结合姿态估计深度神经网络,显著提升了距离估计的效率和准确性。实验结果显示,DECADE在KITTI 3D物体检测数据集上取得了1.38米的平均绝对误差,是当前技术的优秀表现。
本研究旨在解决传统像素级深度估计神经网络在移动高级驾驶辅助系统中的实时应用挑战。我们提出了DECADE模型,通过处理检测器输出而非构建像素级深度图,结合姿态估计深度神经网络,显著提升了距离估计的效率和准确性。实验结果显示,DECADE在KITTI 3D物体检测数据集上取得了1.38米的平均绝对误差,是当前技术的优秀表现。