BEVSpread：面向基于视觉的路侧3D目标检测的鸟瞰图表示扩散体素池化
计算机视觉与模式识别
2024-06-14 v1
摘要
基于视觉的路侧3D目标检测在自动驾驶领域日益受到关注，因为它具有减少盲区和扩展感知范围的固有优势。以往的工作主要集中于精确估计用于2D到3D映射的深度或高度，而忽略了体素池化过程中的位置近似误差。受此启发，我们提出了一种新颖的体素池化策略来减少此类误差，称为BEVSpread。具体而言，BEVSpread不是将平截头体点中包含的图像特征带到单个BEV网格，而是将每个平截头体点视为一个源，并将图像特征以自适应权重扩散到周围的BEV网格。为实现优越的传播性能，设计了一个特定的权重函数，根据距离和深度动态控制权重的衰减速度。借助定制的CUDA并行加速，BEVSpread实现了与原始体素池化相当的推理时间。在两个大规模路侧基准上的大量实验表明，作为即插即用模块，BEVSpread能够显著提升现有基于平截头体的BEV方法的性能，在车辆、行人和骑行者上的AP分别大幅提高了1.12、5.26和3.01。
引用
@article{arxiv.2406.08785,
title = {BEVSpread: Spread Voxel Pooling for Bird's-Eye-View Representation in Vision-based Roadside 3D Object Detection},
author = {Wenjie Wang and Yehao Lu and Guangcong Zheng and Shuigen Zhan and Xiaoqing Ye and Zichang Tan and Jingdong Wang and Gaoang Wang and Xi Li},
journal= {arXiv preprint arXiv:2406.08785},
year = {2024}
}