epBRM：使用端点框回归模块提升三维目标检测质量
计算机视觉与模式识别
2020-12-25 v2
摘要
我们提出了一种端点框回归模块（epBRM），旨在利用原始 LiDAR 三维点云预测精确的三维边界框。所提出的 epBRM 由一系列小型网络构建，计算量轻。我们的方法可以通过预测更精确的三维边界框坐标来提升三维目标检测性能。所提方法需要 40 分钟训练时间来改善检测性能。此外，对于最多 20 个对象，epBRM 给网络推理时间增加不到 12ms。该方法利用空间变换机制来简化框回归任务。将空间变换机制引入 epBRM 使得使用小型网络即可提升检测质量成为可能。我们对应用于原始 LiDAR 三维点云的各种空间变换机制的效果进行了深入分析。我们还通过将所提 epBRM 应用于多个最先进的三维目标检测系统来评估它。我们在 KITTI 数据集（自动驾驶的标准三维目标检测基准）上评估了我们的方法。所提出的 epBRM 增强了真实边界框与检测边界框之间的重叠度，并改善了三维目标检测。我们在 KITTI 测试服务器上评估的所提方法优于当前最先进的方法。
引用
@article{arxiv.1910.04853,
title = {epBRM: Improving a Quality of 3D Object Detection using End Point Box Regression Module},
author = {Kiwoo Shin and Masayoshi Tomizuka},
journal= {arXiv preprint arXiv:1910.04853},
year = {2020}
}