面向路侧单元的标签高效 3D 目标检测

遮挡对自动驾驶等安全关键应用构成了重大挑战。协同感知近期引起了极大的研究兴趣，这得益于其能够通过与智能路侧单元 (RSU) 的深度信息融合来增强自动驾驶车辆的感知能力，从而最小化遮挡的影响。尽管已取得显著进展，但这些方法对数据的高度依赖性为其现实世界部署造成了主要障碍，特别是由于对已标注 RSU 数据的需求。鉴于交叉路口的庞大数量以及标注点云所涉及的工作量，手动标注训练所需的大量 RSU 数据成本过高。我们通过设计一种基于无监督目标发现的 RSU 标签高效目标检测方法来应对这一挑战。本文引入了两个新模块：一个基于点云时空聚合的目标发现模块，以及一个精炼模块。此外，我们证明，在一小部分已标注数据上进行微调，可以使我们的目标发现模型缩小与全监督模型的性能差距，甚至超越全监督模型。在模拟和现实世界数据集上进行了大量实验以评估我们的方法。