用于基于图像的 3D 目标检测的端到端伪激光雷达
计算机视觉与模式识别
2020-05-15 v2 图像与视频处理
摘要
可靠且准确的 3D 目标检测是安全自动驾驶的必要条件。尽管激光雷达（LiDAR）传感器能够提供环境的高精度 3D 点云估计，但在许多场景下其成本也高得令人却步。近来，伪激光雷达（PL）的引入大幅缩小了基于 LiDAR 传感器的方法与基于廉价立体相机的方法之间的精度差距。PL 将用于 3D 深度估计的最先进深度神经网络与用于 3D 目标检测的神经网络相结合，把 2D 深度图输出转换为 3D 点云输入。然而，迄今为止这两种网络必须分开训练。本文中，我们引入了一种基于可微表示变换（CoR）模块的新框架，使整个 PL 流水线能够端到端训练。所得框架与两项任务的大多数最先进网络兼容，并且与 PointRCNN 结合后在所有基准上一致地优于 PL——在提交时在 KITTI 基于图像的 3D 目标检测排行榜上取得了最高成绩。我们的代码将在 https://github.com/mileyan/pseudo-LiDAR_e2e 提供。
引用
@article{arxiv.2004.03080,
title = {End-to-End Pseudo-LiDAR for Image-Based 3D Object Detection},
author = {Rui Qian and Divyansh Garg and Yan Wang and Yurong You and Serge Belongie and Bharath Hariharan and Mark Campbell and Kilian Q. Weinberger and Wei-Lun Chao},
journal= {arXiv preprint arXiv:2004.03080},
year = {2020}
}
备注
Accepted to 2020 Conference on Computer Vision and Pattern Recognition (CVPR 2020)