基于内在特征引导的3D目标检测
计算机视觉与模式识别
2025-04-02 v1
摘要
LiDAR 基于3D目标检测是自动驾驶系统的关键技术之一。然而，LiDAR点云可能呈现稀疏、分布不均和不完整结构，显著限制检测性能。在道路驾驶环境中，指与车辆、行人和骑行者等目标物体，适合通过完全模板引导来增强其表征，考虑其网格和拓扑结构。因此，本文提出一种基于模板辅助特征增强模块的内在特征引导3D目标检测方法，该方法从相对通用的模板中提取内在特征，并为前景物体提供丰富的结构信息。此外，设计了一种基于proposal级别的对比学习机制，以增强前景与背景物体之间的特征差异。所提出的模块可作为即插即用组件，提高多个现有方法的性能。大量实验表明，所提方法实现了高度具竞争力的检测结果。代码将在 https://github.com/zhangwanjingjj/IfgNet.git 公开。
引用
@article{arxiv.2504.00382,
title = {Intrinsic-feature-guided 3D Object Detection},
author = {Wanjing Zhang and Chenxing Wang},
journal= {arXiv preprint arXiv:2504.00382},
year = {2025}
}