点云中鲁棒三维目标检测方法综述
计算机视觉与模式识别
2022-04-04 v1
摘要
本工作的目的是回顾基于LiDAR的三维目标检测的最新方法、数据集与挑战。我们描述了新颖的数据增强方法、采样策略、激活函数、注意力机制与正则化方法。此外，我们列出了近期引入的归一化方法、学习率调度与损失函数。而且，我们还涵盖了10个新颖自动驾驶数据集的优势与局限。我们在KITTI、nuScenes和Waymo数据集上评估了新颖的三维目标检测器，并展示了它们的精度、速度与鲁棒性。最后，我们提及了LiDAR点云三维目标检测中的当前挑战并列出一些开放问题。
引用
@article{arxiv.2204.00106,
title = {A Survey of Robust 3D Object Detection Methods in Point Clouds},
author = {Walter Zimmer and Emec Ercelik and Xingcheng Zhou and Xavier Jair Diaz Ortiz and Alois Knoll},
journal= {arXiv preprint arXiv:2204.00106},
year = {2022}
}