基于能量模型的高精度三维目标检测
计算机视觉与模式识别
2023-11-08 v2 机器学习
机器人学
机器学习
摘要
精确的三维目标检测（3DOD）对于自主机器人在复杂环境中的安全导航至关重要。然而，基于稀疏激光雷达数据在杂乱环境中回归精确的三维边界框是一个极具挑战性的问题。我们通过探索条件能量模型（EBM）在概率回归方面的最新进展来解决该任务。虽然采用EBM进行回归的方法在图像中的二维目标检测上已展现出令人印象深刻的性能，但这些技术不能直接应用于三维边界框。因此，在这项工作中，我们设计了一个可微的三维边界框池化算子，作为我们EBM网络的核心模块。我们进一步将该通用方法集成到最先进的三维目标检测器SA-SSD中。在KITTI数据集上，我们提出的方法在所有3DOD指标上始终优于SA-SSD基线，展示了基于EBM的回归在极高精度3DOD中的潜力。代码可在 https://github.com/fregu856/ebms_3dod 获取。
引用
@article{arxiv.2012.04634,
title = {Accurate 3D Object Detection using Energy-Based Models},
author = {Fredrik K. Gustafsson and Martin Danelljan and Thomas B. Schön},
journal= {arXiv preprint arXiv:2012.04634},
year = {2023}
}
备注
CVPR Workshops 2021. Code is available at https://github.com/fregu856/ebms_3dod