基于未来目标检测的激光雷达预测

Neehar Peri; Jonathon Luiten; Mengtian Li; Aljoša Ošep; Laura Leal-Taixé; Deva Ramanan

基于未来目标检测的激光雷达预测

计算机视觉与模式识别 2022-04-01 v2 机器学习机器人学

作者: Neehar Peri , Jonathon Luiten , Mengtian Li , Aljoša Ošep , Laura Leal-Taixé , Deva Ramanan

摘要

目标检测与预测是具身感知的基本组成部分。然而，这两个问题在很大程度上被学界孤立研究。在本文中，我们提出了一种基于原始传感器测量（而非真值轨迹）的检测与运动预测端到端方法。我们不直接预测当前帧位置并向时间前方预测，而是直接预测未来目标位置并反向推算每条轨迹的起点。我们的方法不仅相较其他模块化或端到端基线提升了整体精度，也促使我们重新思考显式跟踪在具身感知中的作用。此外，通过将未来与当前位置以多对一方式关联，我们的方法能够推理多种未来，这一能力此前被认为对端到端方法而言较为困难。我们在流行的 nuScenes 数据集上进行了大量实验，证明了方法的经验有效性。此外，我们考察了在端到端设置中复用标准预测指标的适用性，发现了若干局限性，使我们得以构建简单的基线来博弈这些指标。我们通过一组新颖的联合预测与检测指标解决了该问题，将检测领域常用的 AP 指标扩展至衡量预测精度。我们的代码见 https://github.com/neeharperi/FutureDet

关键词

目标检测运动预测激光雷达端到端 nuScenes 未来预测检测指标

引用

@article{arxiv.2203.16297,
  title  = {Forecasting from LiDAR via Future Object Detection},
  author = {Neehar Peri and Jonathon Luiten and Mengtian Li and Aljoša Ošep and Laura Leal-Taixé and Deva Ramanan},
  journal= {arXiv preprint arXiv:2203.16297},
  year   = {2022}
}

备注

This work has been accepted to Computer Vision and Pattern Recognition (CVPR) 2022

基于未来目标检测的激光雷达预测

摘要

关键词

引用

备注

相关论文