BADet:基于点云的边界面感知三维目标检测

当前,现有的最先进三维目标检测器采用两阶段范式。这些方法通常包括两步:1)利用区域提议网络以自底向上的方式提出少量高质量提议。2)调整尺寸并池化来自所提议区域的语义特征,以汇总 RoI 级表示用于进一步精修。注意,步骤 2)中这些 RoI 级表示在输入后续检测头时被视为互不相关的独立项。然而,我们观察到步骤 1)生成的这些提议因某种原因偏离真值,以潜在概率在局部邻域密集出现。当一个提议因坐标偏移而大量丢失其边界信息、且现有网络缺乏相应信息补偿机制时,挑战随之产生。本文中,我们提出 $BADet$ 用于从点云进行三维目标检测。具体而言,不同于以往工作独立精修每个提议,我们将每个提议表示为给定截断阈值内用于构图的一个节点,以局部邻域图形式关联提议,显式利用物体的边界相关性。此外,我们设计了一个轻量级区域特征聚合模块,以充分挖掘体素级、像素级和点级特征,并通过扩展感受野获得信息更丰富的 RoI 级表示。我们在广泛使用的 KITTI 数据集和高度挑战性的 nuScenes 数据集上验证了 BADet。截至 2021 年 4 月 17 日,我们的 BADet 在 KITTI 3D 检测排行榜上取得相当性能,并在 KITTI BEV 检测排行榜的 $Car$ 类 $Moderate$ 难度上排名第 $1^{st}$。源代码见 https://github.com/rui-qian/BADet。