基于距离相关特征提取的LiDAR数据三维目标检测
计算机视觉与模式识别
2021-04-09 v2
摘要
本文提出一种利用LiDAR传感器所获取数据特性的三维目标检测新方法。最先进的检测器使用基于对相机图像有效假设的神经网络架构。然而，LiDAR获得的点云根本不同。大多数检测器使用共享滤波核提取特征，未考虑点云特征的距离相关性。为说明此点，在不同KITTI数据集划分上训练不同检测器：近距(距LiDAR 25米内物体)与远距。由点云生成俯视图像作为网络输入。合并结果优于在完整数据集上以单一骨干训练的基线网络。附加研究比较了将点云转换为图像时使用不同输入特征的效果。结果表明网络关注物体的形状与结构，而非输入的确切值。本工作通过考虑LiDAR点云随距离的特性改进三维目标检测器。结果显示，为近距与远距物体分别训练网络提升了所有KITTI基准难度下的性能。
引用
@article{arxiv.2003.00888,
title = {3D Object Detection From LiDAR Data Using Distance Dependent Feature Extraction},
author = {Guus Engels and Nerea Aranjuelo and Ignacio Arganda-Carreras and Marcos Nieto and Oihana Otaegui},
journal= {arXiv preprint arXiv:2003.00888},
year = {2021}
}
备注
10 pages, 8 figures, 6th International Conference on Vehicle Technology and Intelligent Transport Systems (VEHITS 2020)