Waymo开放数据集挑战赛冠军方案——三维检测与域自适应
计算机视觉与模式识别
2020-06-30 v1
摘要
在本技术报告中，我们介绍了在 CVPR 2020 Waymo 开放数据集挑战赛的三维检测赛道与域自适应赛道中获胜的方案“HorizonLiDAR3D”。许多现有的三维物体检测器包含基于先验的锚框设计，以应对不同尺度、长宽比和物体类别，这限制了其泛化到不同数据集或域的能力，并需要后处理（如非极大值抑制（NMS））。我们提出了一种单阶段、无锚框且无 NMS 的三维点云物体检测器 AFDet，利用物体关键点编码三维属性，并学习端到端的点云物体检测，无需手工设计或学习锚框。AFDet 作为我们获胜方案中的强基线，在挑战期间在此基础上进行了显著改进。具体而言，我们设计了更强的网络，并通过稠密化与点绘制增强点云数据。为利用相机信息，我们将每个点投影到相机空间并收集基于图像的感知信息，从而向每个点附加/绘制额外属性。最终检测性能也受益于三维检测赛道与域自适应赛道中的模型集成与测试时增强（TTA）。我们的方案在三维检测赛道与域自适应赛道上分别以 77.11% mAPH/L2 和 69.49% mAPH/L2 取得第一名。
引用
@article{arxiv.2006.15505,
title = {1st Place Solution for Waymo Open Dataset Challenge -- 3D Detection and Domain Adaptation},
author = {Zhuangzhuang Ding and Yihan Hu and Runzhou Ge and Li Huang and Sijia Chen and Yu Wang and Jie Liao},
journal= {arXiv preprint arXiv:2006.15505},
year = {2020}
}