基于LiDAR距离图像的全卷积单阶段三维目标检测
计算机视觉与模式识别
2022-09-21 v2
摘要
我们提出了一种简单而有效的用于自动驾驶场景LiDAR点云的全卷积单阶段三维目标检测器，称为FCOS-LiDAR。与使用鸟瞰图（BEV）的主流方法不同，我们提出的检测器从LiDAR点的距离视图（RV，亦称距离图像）中检测物体。由于距离视图的紧凑性以及与自动驾驶汽车上LiDAR传感器采样过程的兼容性，基于距离视图的目标检测器可以仅利用原始的2D卷积来实现，从而脱离了通常涉及复杂体素化操作和稀疏卷积的基于BEV的方法。我们首次表明，仅使用标准2D卷积的基于RV的三维检测器能够达到与最先进的基于BEV的检测器相当的性能，同时显著更快且更简单。更重要的是，几乎所有先前的基于距离视图的检测器仅关注单帧点云，因为将多帧点云融合到单一距离视图中具有挑战性。在这项工作中，我们通过一种新颖的距离视图投影机制解决了这一挑战性问题，并首次展示了融合多帧点云对于基于距离视图检测器的益处。在nuScenes上的大量实验表明了我们所提方法的优越性，我们相信我们的工作可以有力证明基于RV的三维检测器能够与当前主流的基于BEV的检测器相媲美。
引用
@article{arxiv.2205.13764,
title = {Fully Convolutional One-Stage 3D Object Detection on LiDAR Range Images},
author = {Zhi Tian and Xiangxiang Chu and Xiaoming Wang and Xiaolin Wei and Chunhua Shen},
journal= {arXiv preprint arXiv:2205.13764},
year = {2022}
}
备注
Accepted to: Proc. Thirty-sixth Conference on Neural Information Processing Systems (NeurIPS) 2022. 14 pages