BSH-Det3D：利用 BEV 形状热图改进三维目标检测
计算机视觉与模式识别
2023-03-06 v1
摘要
基于 LiDAR 的三维目标检测进展显著推动了自动驾驶与机器人领域的发展。然而，受限于 LiDAR 传感器，目标形状在遮挡和远处区域会发生退化，这给三维感知带来了根本性挑战。现有方法估计特定的三维形状并取得了显著性能，但这些方法依赖大量计算与内存，导致精度与实时性之间的失衡。为应对该挑战，我们提出一种新颖的基于 LiDAR 的三维目标检测模型 BSH-Det3D，其通过从鸟瞰图（BEV）估计完整形状来增强空间特征。具体而言，我们设计了基于柱体的形状补全（PSC）模块，以预测柱体是否包含目标形状的概率。PSC 模块为每个场景生成 BEV 形状热图。在与热图融合后，BSH-Det3D 可在形状退化区域提供额外信息并生成高质量的三维候选框。我们还设计了基于注意力的稠密化融合模块（ADF），以自适应地将稀疏特征与热图及原始点关联。ADF 模块以可忽略的开销融合了点与形状知识的优势。在 KITTI 基准上的大量实验在精度与速度方面均达到了最先进（SOTA）性能，证明了 BSH-Det3D 的高效与灵活。源代码见 https://github.com/mystorm16/BSH-Det3D。
引用
@article{arxiv.2303.02000,
title = {BSH-Det3D: Improving 3D Object Detection with BEV Shape Heatmap},
author = {You Shen and Yunzhou Zhang and Yanmin Wu and Zhenyu Wang and Linghao Yang and Sonya Coleman and Dermot Kerr},
journal= {arXiv preprint arXiv:2303.02000},
year = {2023}
}