.png){kind=icon}
返回
Accelerating point cloud analytics on resource-constrained edge devices
.png){kind=icon}
PRE
AI
DOI：10.1016/j.comnet.2025.111382.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
三维目标检测在各类应用中至关重要，特别是在自动驾驶和机器人领域。这些应用通常部署在边缘设备上，以快速与环境交互，并常常需要近乎实时的响应。在边缘设备上使用复杂神经网络执行三维检测具有挑战性，因为计算资源受限。将任务卸载到云端等传统方法由于传输大量的点云数据会导致显著的延迟。为解决边缘设备资源受限与推理任务需求之间的矛盾，我们研究了利用快速2D检测来推断3D边界框的潜力。为此，我们提出了Moby系统，该创新系统展示了我们方法论的实用性和前景。我们提出了一种轻量级转换，利用2D检测结果高效且准确地生成3D边界框，无需依赖沉重的3D检测器。此外，我们开发了一种帧卸载调度器，用于确定在云端激活3D检测器的最佳时机，以防止误差累积。我们在NVIDIA Jetson TX2上使用真实自动驾驶数据集进行的评估表明，Moby在仅导致极小精度下降的情况下，可将延迟降低高达91.9%。
期刊
IF:
4.6
论文数:
1.6K
被引数:
1.6W
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏分享收藏分享收藏分享收藏
查看更多内容