用于三维目标检测的群等变 BEV 网络
计算机视觉与模式识别
2023-06-30 v2
摘要
近来，三维目标检测受到显著关注，并在真实道路场景中取得持续改进。环境信息由单一传感器或多传感器融合采集以检测感兴趣目标。然而，当前大多数三维目标检测方法侧重于开发先进网络架构以提升目标检测精度，而未考虑动态驾驶场景——其中车载传感器采集的数据包含多种扰动特征。因此，已有工作仍无法解决扰动问题。为解决该问题，我们提出基于群等变理论的群等变鸟瞰图网络（GeqBevNet），将群等变概念引入 BEV 融合目标检测网络。群等变网络被嵌入融合后的 BEV 特征图，以促进 BEV 层面的旋转等变特征提取，从而降低平均方向误差。为验证 GeqBevNet 的有效性，该网络在 nuScenes 验证集上测试，mAOE 可降至 0.325。实验结果表明，GeqBevNet 能在实际道路场景的三维目标检测中提取更多旋转等变特征，并改善目标方向预测性能。
引用
@article{arxiv.2304.13390,
title = {Group Equivariant BEV for 3D Object Detection},
author = {Hongwei Liu and Jian Yang and Jianfeng Zhang and Dongheng Shao and Jielong Guo and Shaobo Li and Xuan Tang and Xian Wei},
journal= {arXiv preprint arXiv:2304.13390},
year = {2023}
}
备注
8 pages,3 figures