HVPR：用于单阶段三维目标检测的混合体素-点表示
计算机视觉与模式识别
2021-04-05 v1
摘要
我们解决三维目标检测问题，即从点云估计三维物体包围盒。三维目标检测方法利用基于体素或基于点的特征来表示场景中的三维物体。基于体素的特征提取高效，但无法保留物体精细的三维结构。另一方面，基于点的特征更准确地表示三维结构，但提取这些特征计算代价高昂。本文我们提出一种兼具基于体素与基于点特征优点的新型单阶段三维检测方法。为此，我们提出一种称为 HVPR 的新型卷积神经网络(CNN)架构，有效且高效地将两类特征整合为单一三维表示。具体而言，我们用记忆模块增强基于点的特征以降低计算成本。然后将记忆中与各基于体素特征语义相似的特征聚合，获得伪图像形式的混合三维表示，从而能高效地在单阶段定位三维物体。我们还提出注意力多尺度特征模块(AMFM)，考虑点云的稀疏与不规则模式提取尺度感知特征。在 KITTI 数据集上的实验结果证明了我们方法的有效性与高效性，在速度与精度间取得更好折中。
引用
@article{arxiv.2104.00902,
title = {HVPR: Hybrid Voxel-Point Representation for Single-stage 3D Object Detection},
author = {Jongyoun Noh and Sanghoon Lee and Bumsub Ham},
journal= {arXiv preprint arXiv:2104.00902},
year = {2021}
}
备注
Accepted to CVPR 2021