CenterNet3D：一种面向点云的无锚框目标检测器
计算机视觉与模式识别
2021-10-26 v4
摘要
从点云中准确且快速地检测 3D 目标是一项自动驾驶中的关键任务。现有单阶段 3D 目标检测方法可实现实时性能，但它们以低效且需额外后处理的基于锚框的检测器为主。本文中，我们消除锚框并将目标建模为单个点——其边界框的中心点。基于中心点，我们提出一种无锚框的 CenterNet3D 网络，可在无锚框情况下执行 3D 目标检测。我们的 CenterNet3D 使用关键点估计寻找中心点并直接回归 3D 边界框。然而，由于点云固有的稀疏性，3D 目标中心点很可能位于空白空间中，导致难以估计准确边界。为解决此问题，我们提出一个额外的角点注意力模块，以迫使 CNN 主干网络更多关注目标边界。此外，考虑到单阶段检测器存在预测边界框与相应分类置信度不一致的问题，我们设计了一种高效的关键点敏感扭曲操作，将置信度与预测边界框对齐。我们提出的 CenterNet3D 无需非极大值抑制，因而更高效、更简洁。我们在广泛使用的 KITTI 数据集和更具挑战性的 nuScenes 数据集上评估 CenterNet3D。我们的方法优于所有最先进的基于锚框的单阶段方法，并与两阶段方法性能相当。其推理速度为 20 FPS，实现了最佳的速度与精度权衡。我们的源代码将发布于 https://github.com/wangguojun2018/CenterNet3d。
引用
@article{arxiv.2007.07214,
title = {CenterNet3D: An Anchor Free Object Detector for Point Cloud},
author = {Guojun Wang and Jian Wu and Bin Tian and Siyu Teng and Long Chen and Dongpu Cao},
journal= {arXiv preprint arXiv:2007.07214},
year = {2021}
}
备注
13 pages, 5 figures