FastPillars：一种部署友好的基于柱体的 3D 检测器
计算机视觉与模式识别
2023-12-14 v6 机器人学
摘要
3D 检测器的部署是现实世界自动驾驶场景中的主要挑战之一。现有的基于 BEV（即鸟瞰图）的检测器倾向于使用稀疏卷积（称为 SPConv）来加速训练和推理，这为部署，尤其是在设备端应用中，设置了巨大障碍。在本文中，为了从工业角度应对高效 3D 目标检测的挑战，我们设计了一种部署友好的基于柱体的 3D 检测器，称为 FastPillars。首先，我们引入了一个新颖的轻量级最大注意力柱编码 (MAPE) 模块，专门用于增强小尺寸 3D 目标。其次，我们提出了一个简单而有效的原则，用于设计基于柱体的 3D 检测中的骨干网络。我们基于这些设计构建了 FastPillars，在不使用 SPConv 的情况下实现了高性能和低延迟。在两个大规模数据集上的大量实验证明了 FastPillars 在设备端 3D 检测的性能和速度方面的有效性和效率。具体而言，FastPillars 在 Waymo 开放数据集上提供了最先进的精度，与 CenterPoint（基于 SPConv）相比，速度提升了 1.8 倍，mAPH/L2 提升了 3.8。我们的代码已公开发布于：https://github.com/StiphyJay/FastPillars。
引用
@article{arxiv.2302.02367,
title = {FastPillars: A Deployment-friendly Pillar-based 3D Detector},
author = {Sifan Zhou and Zhi Tian and Xiangxiang Chu and Xinyu Zhang and Bo Zhang and Xiaobo Lu and Chengjian Feng and Zequn Jie and Patrick Yin Chiang and Lin Ma},
journal= {arXiv preprint arXiv:2302.02367},
year = {2023}
}
备注
Submitted to AAAI2024