BEVDet4D：在多相机3D目标检测中利用时间线索
计算机视觉与模式识别
2022-06-17 v3
摘要
单帧数据包含有限信息，限制了现有基于视觉的多相机3D目标检测范式的性能。为从根本上推进该领域的性能边界，提出一种称为BEVDet4D的新范式，将可扩展的BEVDet范式从仅空间的三维空间提升到了时空四维空间。我们对朴素BEVDet框架进行少量修改，仅用于融合前一帧特征与当前帧对应特征。如此，在可忽略的额外计算预算下，我们使BEVDet4D能够通过查询并比较这两个候选特征来获取时间线索。此外，我们通过去除学习目标中自车运动与时间因素，简化了速度预测任务。结果，具备鲁棒泛化性能的BEVDet4D将速度误差降低了至多-62.9%。这使得基于视觉的方法首次在该方面变得可与依赖LiDAR或雷达的方法相媲美。在挑战基准nuScenes上，我们以名为BEVDet4D-Base的高性能配置报告了54.5% NDS的新纪录，超越先前领先方法BEVDet-Base达+7.3% NDS。源代码已公开于https://github.com/HuangJunJie2017/BEVDet 以供进一步研究。
引用
@article{arxiv.2203.17054,
title = {BEVDet4D: Exploit Temporal Cues in Multi-camera 3D Object Detection},
author = {Junjie Huang and Guan Huang},
journal= {arXiv preprint arXiv:2203.17054},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2112.11790