3DPillars：基于柱柱的双阶段3D目标检测

PointPillars是最快的3D目标检测器，利用伪图像表示对场景中3D目标进行特征编码。尽管高效，但PointPillars通常被state-of-the-art 3D检测方法所超越，原因在于：1)伪图像表示未能保留精确的3D结构，2)它们难以采用通常显示优于单阶段方法的3D目标提案。我们在本文中引入了首个利用伪图像表示的双阶段3D检测框架，缩小了PointPillars与state-of-the-art 方法之间的性能差距，同时保持其效率。该框架包含两个新型组件，克服了PointPillars上述局限性：首先，我们引入一种新型CNN架构，称为3DPillars，通过高效使用2D卷积学习来自伪图像表示的3D体素特征。3DPillars的基本思想是，3D体素特征可视为叠加的伪图像。为实现这一思想，我们提出了可分离体素特征模块，通过不使用3D卷积来提取体素特征。其次，我们引入一种带有稀疏场景上下文特征模块的RoI头，用于聚合来自3DPillars的多尺度特征，以获得稀疏场景特征。这一设计有效地采用了双阶段管道，充分利用场景的上下文信息以细化3D目标提案。在KITTI和Waymo Open数据集上的实验结果表明，我们的方法在速度和精度之间取得了良好的平衡。