Faraway-Frustum：利用融合处理激光雷达稀疏性以进行远距三维目标检测
计算机视觉与模式识别
2021-03-30 v3
摘要
学习到的点云表示随着到传感器距离的增加而不能很好地泛化。例如，在超过 60 米的距离上，激光雷达点云的稀疏程度达到即便人类也无法相互分辨物体形状的地步。然而，对于快速移动的车辆而言，这一距离不应被视为非常远：以 70 英里/小时行驶的车辆可在两秒内穿越 60 米。为了实现安全且鲁棒的运动自动化，在这些距离上的精确三维目标检测是不可或缺的。在此背景下，我们提出 faraway-frustum：一种用于检测远处物体的新颖融合策略。其主要策略是仅依赖二维视觉来识别物体类别，因为物体形状不会随深度增加而剧烈变化，并利用点云数据对远处物体在三维空间中进行定位。对于较近的物体，我们遵循最先进方法，转而使用学习到的点云表示。该策略缓解了使用学习到的点云表示进行目标检测的主要短板。在 KITTI 数据集上的实验表明，我们的方法在鸟瞰图和三维的远处目标检测上以可观的幅度优于最先进方法。我们的代码已开源并公开可用：https://github.com/dongfang-steven-yang/faraway-frustum。
引用
@article{arxiv.2011.01404,
title = {Faraway-Frustum: Dealing with Lidar Sparsity for 3D Object Detection using Fusion},
author = {Haolin Zhang and Dongfang Yang and Ekim Yurtsever and Keith A. Redmill and Ümit Özgüner},
journal= {arXiv preprint arXiv:2011.01404},
year = {2021}
}