面向资源受限设备的快速精准 LiDAR 3D 对象检测
计算机视觉与模式识别
2026-05-15 v2
摘要
现有的 LiDAR 3D 对象检测方法主要依赖稀疏卷积和/或变换器，这些方法在由于不规则内存访问模式和高计算成本的原因，对资源受限的边缘设备具有挑战。本文提出 FALO，一种面向硬件的 LiDAR 3D 检测方法，既提供最先进（SOTA）检测准确率，又具备快速推理速度。具体而言，给定 3D 点云并经过体素化后，FALO 首先将稀疏 3D 体素根据坐标和邻近性排列成 1D 序列。该序列随后由我们提出的 ConvDotMix 块处理，包括大型卷积核、Hadamard 积和线性层。ConvDotMix 在空间和嵌入维度上提供充分的混合能力，引入空间特征的高阶非线性相互作用。此外，在经过 ConvDotMix 层时，我们引入隐式分组，这在更高效的推理中平衡了张量维度，并考虑了日益增大的感受野。所有这些操作都有利于在资源受限的平台上运行，FALO 可以轻松部署在紧凑型嵌入式设备上。我们在 LiDAR 3D 检测基准测试（如 nuScenes 和 Waymo）上进行了广泛评估，表明 FALO 实现了有竞争力的性能。同时，FALO 在移动图形处理器（GPU）和移动神经网络处理器（NPU）上的速度是最新 SOTA 的 1.6~9.8 倍。
引用
@article{arxiv.2506.04499,
title = {FALO: Fast and Accurate LiDAR 3D Object Detection on Resource-Constrained Devices},
author = {Shizhong Han and Hsin-Pai Cheng and Hong Cai and Jihad Masri and Soyeb Nagori and Fatih Porikli},
journal= {arXiv preprint arXiv:2506.04499},
year = {2026}
}