CornerPoint3D：注视最近的角落而非中心
计算机视觉与模式识别
2025-04-04 v1 人工智能
摘要
3D 对象检测旨在从 LiDAR 点云中预测对象的中心、尺寸和旋转。尽管其简单性，LiDAR 仅捕获物体的近侧，使得以中心为基础的检测器在点分布变化的跨域任务中容易出现较差的局部化精度。此外，现有的评估指标设计用于单域评估，也因数据集特定的尺寸变化而过拟合。一个关键问题浮现：我们是否真的需要模型在整个 3D 边界框上保持优异性能才能应用于跨域场景？实际上，我们的主要关注点之一是防止车辆与其他障碍物发生碰撞，尤其是在跨域情景中正确预测尺寸更为困难。为此，我们从实际角度重新思考跨域 3D 对象检测。我们提出两种新指标，用于评估模型检测物体靠近 LiDAR 传感器侧面的能力。此外，我们引入 EdgeHead，这是一种细化头部，引导模型更关注可学习的靠近表面，显著改善了在两种新旧 BEV/3D 指标下的跨域性能。我们认为，预测最近的角落而非对象中心可提高鲁棒性。我们提出一种新的 3D 对象检测器，称为 CornerPoint3D，基于 CenterPoint 使用热图来监督每个对象的最近角落的学习和检测。我们的方法在检测整个边界框的质量与靠近 LiDAR 传感器侧面的定位精度之间实现了平衡，在多个跨域任务中超越传统的基于中心的检测器 CenterPoint，提供了更具实际合理性和鲁棒性的跨域 3D 对象检测解决方案。
引用
@article{arxiv.2504.02464,
title = {CornerPoint3D: Look at the Nearest Corner Instead of the Center},
author = {Ruixiao Zhang and Runwei Guan and Xiangyu Chen and Adam Prugel-Bennett and Xiaohao Cai},
journal= {arXiv preprint arXiv:2504.02464},
year = {2025}
}
备注
arXiv admin note: substantial text overlap with arXiv:2407.04061