FFPA-Net：面向三维目标检测的高效投影感知特征融合网络
计算机视觉与模式识别
2022-09-16 v1
摘要
彩色图像的纹理特征与 LiDAR 点云的几何信息之间存在良好的互补性。然而，在三维目标检测领域，高效且鲁棒的特征融合仍面临诸多挑战。本文中，首先将非结构化三维点云填充至二维平面，并利用投影感知卷积层更快速地提取三维点云特征。进一步，在数据预处理阶段预先建立不同传感器信号间的对应索引，从而实现更快速的跨模态特征融合。为解决 LiDAR 点与图像像素未对齐问题，提出两个即插即用的新融合模块 LiCamFuse 与 BiLiCamFuse。在 LiCamFuse 中，提出感知双模态特征欧氏距离的软查询权重；在 BiLiCamFuse 中，提出具有双重注意力的融合模块以深度关联场景的几何与纹理特征。在 KITTI 数据集上的定量结果表明，所提方法实现了更好的特征级融合。此外，与现有方法相比，所提网络具有更短的运行时间。
引用
@article{arxiv.2209.07419,
title = {FFPA-Net: Efficient Feature Fusion with Projection Awareness for 3D Object Detection},
author = {Chaokang Jiang and Guangming Wang and Jinxing Wu and Yanzi Miao and Hesheng Wang},
journal= {arXiv preprint arXiv:2209.07419},
year = {2022}
}
备注
7 pages, 4 figures; under review