BEV-SAN：基于切片注意力网络的高精度BEV三维目标检测
计算机视觉与模式识别
2022-12-05 v1
摘要
鸟瞰图(Bird's-Eye-View, BEV)三维目标检测是自动驾驶系统中一项关键的多视角技术。近来，大量工作遵循相似的范式被提出，该范式包含三个核心组件，即相机特征提取、BEV特征构建与任务头。在这三个组件中，相较于二维任务，BEV特征构建是BEV特有的。现有方法将多视角相机特征聚合到扁平化网格中以构建BEV特征。然而，沿高度维度将BEV空间扁平化未能突出不同高度上的有效特征。例如，护栏位于较低高度，而卡车位于较高高度。本文中，我们提出一种名为BEV切片注意力网络(BEV Slice Attention Network, BEV-SAN)的新方法，以利用不同高度的内在特性。我们并非扁平化BEV空间，而是首先沿高度维度采样以构建全局与局部BEV切片。随后，从相机特征中聚合BEV切片的特征，并通过注意力机制进行融合。最后，我们利用一个transformer融合合并后的局部与全局BEV特征，生成供任务头使用的最终特征图。局部BEV切片的目的是突出有效高度。为找到这些高度，我们进一步提出一种激光雷达引导的采样策略，利用激光雷达的统计分布来确定局部切片的高度。相较于均匀采样，激光雷达引导采样能确定更具信息量的高度。我们进行了详尽的实验以证明BEV-SAN的有效性。代码将开源。
引用
@article{arxiv.2212.01231,
title = {BEV-SAN: Accurate BEV 3D Object Detection via Slice Attention Networks},
author = {Xiaowei Chi and Jiaming Liu and Ming Lu and Rongyu Zhang and Zhaoqing Wang and Yandong Guo and Shanghang Zhang},
journal= {arXiv preprint arXiv:2212.01231},
year = {2022}
}