AdaptiveShape:利用几何感知锚分布解决3D目标检测中的形状多变性
计算机视觉与模式识别
2023-03-01 v1
摘要
基于点云与图像的3D目标检测在自动驾驶等感知任务中起着重要作用。当前方法在标准形状车辆的检测与位姿估计上表现优异,但在半挂卡车组合等更复杂形状上表现欠佳。准确确定这些特殊车辆的形状与运动,在场地作业、 maneuvering以及工业自动化应用中至关重要。本工作引入若干新方法以提升此类类别的性能并对其进行度量。当前最优方法基于预定义锚点网格或用于真值目标的热力图,然而其底层表示未考虑不同尺寸物体的形状。我们的主要贡献AdaptiveShape使用形状感知的锚分布与热力图来提升检测能力。对于大型车辆,我们相较当前形状无关方法取得了+10.9% AP。此外,我们引入一种新的快速激光雷达-相机融合方法,其基于许多处理流水线中可用的2D边界框相机检测。该融合方法不依赖于完美标定或时间同步的系统,因此适用于广泛的机器人应用。我们扩展了一个标准点柱网络以处理时序数据并改进对复杂物体运动的学习。另外,我们扩展了真值增强,使用分组物体对,相较常规增强进一步将卡车AP提升+2.2%。
引用
@article{arxiv.2302.14522,
title = {AdaptiveShape: Solving Shape Variability for 3D Object Detection with Geometry Aware Anchor Distributions},
author = {Benjamin Sick and Michael Walter and Jochen Abhau},
journal= {arXiv preprint arXiv:2302.14522},
year = {2023}
}