CLOC 是全新的摄像头激光雷达融合方法,适用于自动驾驶中的三维对象检测。通过为此轻量级融合网络并行提供来自二维检测流水线(利用摄像头图像作为输入)和三维检测流水线(利用激光雷达点云作为输入),即可将该网络训练为正确融合二维/三维预测,并优化三维检测结果的得分。CLOC 将融合框架中的二维/三维流水线解耦,便于其采用不同的二维/三维流水线以在准确度和效率之间达成平衡。下图显示了 CLOC 的结果。
图 1. CLOC 示例

下表列出了 Vitis AI Library 支持的 CLOC 模型。
编号 | 模型名称 | 框架 |
---|---|---|
1 | clocs_pointpillars_kitti_0_pt | PyTorch |
2 | clocs_pointpillars_kitti_1_pt | |
3 | clocs_fusion_cnn_pt | |
4 | clocs_yolox_pt |