基于类别特定锚框提议的激光雷达与RGB图像三维目标识别

在需要准确识别并定位三维（3D）周围环境的实际应用（如自动驾驶车辆）中，二维环境下的目标检测往往是不够的。因此，在三维环境下准确且高效地检测目标，正与广泛的工业应用愈发相关，也逐渐吸引研究人员的关注。构建三维目标检测系统是一项具有挑战性的任务，因为它依赖于来自不同来源数据的多模态融合。本文中，我们研究了使用当前最先进的三维目标检测器的锚框效果，并提出了基于目标尺寸与长宽比锚框聚类的类别特定锚框提议（CAP）策略。所提出的锚框策略在行人类的简单、中等和困难设定上分别将检测准确率提升了 7.19%、8.13% 和 8.8%，在汽车类的简单、中等和困难设定上分别提升 2.19%、2.17% 和 1.27%，在骑行者类的简单设定上提升 12.1%。我们还表明，锚框过程中的聚类也显著提升了区域提议网络提出感兴趣区域的能力。最后，我们给出了 KITTI 数据集中每类目标的最佳聚类数，其显著改善了检测模型的性能。