Algoritmos de detección de objetos 3D basados en LiDAR: comparación entre técnicas PCL clásicas y Deep Learning

Abstract

Los sistemas de percepción en los vehículos autónomos, son aquellos que permiten comprender lo que sucede en el entorno. Este trabajo se centra en el estudio de técnicas de percepción utilizando tecnologías LiDAR, tanto técnicas clásicas como técnicas basadas en Deep Learning. Con dicho estudio se presentan las implementaciones diseñadas para el vehículo del proyecto Techs4AgeCar. Junto con la implementación basada en un solo sensor, se presenta también un modelo se fusión sensorial entre cámara y LiDAR basado en el sistema de detección explicado en este TFG y el trabajo basado en cámara realizado por Miguel Antunes, un compañero del grupo de investigación RobeSafe. Por último para la evaluación de sistemas de conducción autónomos sobre el simulador CARLA, se explica el proyecto AD DevKit, sobre el que se realiza la capa de percepción para la evaluación de sistemas de detección 2D y 3D en dicho simulador.

Perception systems in autonomous vehicles are those that allow to understand what is happening in the environment. This work focuses on the study of perception techniques using LiDAR technologies, both classical techniques and techniques based on Deep Learning. This study presents the implementations designed for the Techs4AgeCar project vehicle. Along with the implementation based on a single sensor, a sensor fusion model between camera and LiDAR is also presented based on the detection system explained in this TFG and the camera-based work done by Miguel Antunes, a colleague of the RobeSafe research group. Finally, for the evaluation of autonomous driving systems on the CARLA simulator, the AD DevKit project is explained, on which the perception layer for the evaluation of 2D and 3D detection systems on this simulator is performed