利用历史 LiDAR 改进单目 3D 检测器
计算机视觉与模式识别
2024-04-11 v2 机器人学
摘要
精确的 3D 目标检测对自动驾驶至关重要。尽管基于 LiDAR 的检测器取得了令人瞩目的性能，但 LiDAR 传感器的高昂成本阻碍了其在经济型车辆中的普及。基于相机的检测器更便宜，但由于图像中固有的深度模糊，其性能通常不如基于 LiDAR 的检测器。在本工作中，我们旨在通过利用无标签的历史 LiDAR 数据来改进单目 3D 检测器。具体而言，在推理时，我们假设基于相机的检测器可以获取目标位置过去行驶轨迹中的多次无标签 LiDAR 扫描数据（可能来自配备 LiDAR 传感器的其他高端车辆）。在此设定下，我们提出了一种新颖、简单且端到端可训练的框架，称为 AsyncDepth，以有效地从同一位置的异步 LiDAR 行驶轨迹中提取相关特征，用于单目 3D 检测器。我们在多个 SOTA 模型和数据集上展示了一致且显著的性能提升（最高达 9 AP），而仅增加了 9.66 ms 的可忽略延迟和极小的存储成本。
引用
@article{arxiv.2404.05139,
title = {Better Monocular 3D Detectors with LiDAR from the Past},
author = {Yurong You and Cheng Perng Phoo and Carlos Andres Diaz-Ruiz and Katie Z Luo and Wei-Lun Chao and Mark Campbell and Bharath Hariharan and Kilian Q Weinberger},
journal= {arXiv preprint arXiv:2404.05139},
year = {2024}
}
备注
Accepted by ICRA 2024. The code can be found at https://github.com/YurongYou/AsyncDepth