D-Align：基于多帧点云序列的双查询协同注意力网络用于三维目标检测
计算机视觉与模式识别
2022-10-04 v1
摘要
LiDAR传感器广泛应用于各类移动机器人应用中的三维目标检测。LiDAR传感器实时持续生成点云数据。传统的三维目标检测器利用在固定时长内获取的一组点来检测物体。然而，近期研究表明，利用从点云序列中获得的时空信息可进一步提升目标检测性能。本文提出一种新的三维目标检测器，名为D-Align，它通过对从点集序列中提取的特征进行对齐与聚合，有效生成强鸟瞰图（BEV）特征。所提方法包含一种新颖的双查询协同注意力网络，该网络使用两类查询，包括目标查询集（T-QS）与支持查询集（S-QS），分别更新目标帧与支持帧的特征。D-Align基于从相邻特征图中提取的时间上下文特征将S-QS对齐至T-QS，随后通过门控注意力机制将S-QS与T-QS聚合。双查询经多个注意力层更新，逐步增强用于生成检测结果的目标帧特征。我们在nuScenes数据集上的实验表明，所提D-Align方法大幅改进了基于单帧的基线方法性能，并显著优于最新的三维目标检测器。
引用
@article{arxiv.2210.00087,
title = {D-Align: Dual Query Co-attention Network for 3D Object Detection Based on Multi-frame Point Cloud Sequence},
author = {Junhyung Lee and Junho Koh and Youngwoo Lee and Jun Won Choi},
journal= {arXiv preprint arXiv:2210.00087},
year = {2022}
}