面向三维目标检测的多模态局部特征自适应方位感知融合网络
计算机视觉与模式识别
2020-06-04 v2
摘要
本文关注更强局部特征的构建以及图像与LiDAR数据的有效融合。我们采用不同模态的LiDAR数据以生成更丰富的特征,并提出一种自适应且方位感知的网络,用于聚合来自图像、鸟瞰图和点云的局部特征。我们的网络主要由三个子网络组成:地平面估计网络、区域提议网络和自适应融合网络。地平面估计网络提取点云特征并预测一个平面的参数,用于生成大量3D锚框。区域提议网络生成图像与鸟瞰图特征以输出区域提议。为整合异构的图像与点云特征,自适应融合网络通过引入方位感知融合模块显式调节多种局部特征的强度,并实现图像与LiDAR数据间的朝向一致性。在KITTI数据集上进行了实验,结果验证了我们所提多模态局部特征聚合及自适应融合网络的优势。
引用
@article{arxiv.1910.04392,
title = {Adaptive and Azimuth-Aware Fusion Network of Multimodal Local Features for 3D Object Detection},
author = {Yonglin Tian and Kunfeng Wang and Yuang Wang and Yulin Tian and Zilei Wang and Fei-Yue Wang},
journal= {arXiv preprint arXiv:1910.04392},
year = {2020}
}
备注
Accepted by Neurocomputing