基于穿透点分类器的三维车辆检测假阳性去除
计算机视觉与模式识别
2020-05-29 v2
摘要
近来，研究者利用 LiDAR 点云以实现更高的三维车辆检测精度。大多数最先进的方法基于深度学习，但容易受物体上生成的点数影响。这一弱点导致在高召回位置出现大量假阳性框，其中物体偶尔仅以极少点被预测。为解决该问题，我们引入基于 LiDAR 点无法在车辆后方生成这一根本特性的穿透点分类器（PPC）。它判断预测框的车辆后方是否存在点，若存在，则该框被判别为假阳性。我们这一直截了当却前所未有的方法在 KITTI 数据集上评估，并实现了对最先进方法之一 PointRCNN 的性能提升。实验结果表明，在最高召回位置，car 类的中等与困难难度上的精度分别显著提升了 15.46 和 14.63 个百分点。
引用
@article{arxiv.2005.13153,
title = {False Positive Removal for 3D Vehicle Detection with Penetrated Point Classifier},
author = {Sungmin Woo and Sangwon Hwang and Woojin Kim and Junhyeop Lee and Dogyoon Lee and Sangyoun Lee},
journal= {arXiv preprint arXiv:2005.13153},
year = {2020}
}
备注
Accepted by ICIP 2020