LabelFormer：基于LiDAR点云的车外感知中目标轨迹精炼

Anqi Joyce Yang; Sergio Casas; Nikita Dvornik; Sean Segal; Yuwen Xiong; Jordan Sir Kwang Hu; Carter Fang; Raquel Urtasun

LabelFormer：基于LiDAR点云的车外感知中目标轨迹精炼

计算机视觉与模式识别 2023-11-03 v1 机器人学

作者: Anqi Joyce Yang , Sergio Casas , Nikita Dvornik , Sean Segal , Yuwen Xiong , Jordan Sir Kwang Hu , Carter Fang , Raquel Urtasun

在 arXiv 上查看 ↗ PDF ↗

摘要

扩展自动驾驶感知系统训练的一个主要瓶颈是用于监督的人工标注。一个有前景的替代方案是利用“自动标注”车外感知模型，其以极低成本从原始LiDAR点云自动生成标注。自动标注最常用两阶段方法生成——首先检测目标并随时间跟踪，然后将每个目标轨迹送入学习型精炼模型以提升精度。由于现有精炼模型过于复杂且缺乏高级时序推理能力，本工作中我们提出LabelFormer，一种简单、高效且有效的轨迹级精炼方法。我们的方法首先分别编码每帧观测，然后利用自注意力以完整时间上下文推理轨迹，最后解码精炼后的目标尺寸与逐帧位姿。在城区与高速数据集上的评估表明LabelFormer大幅优于现有工作。最后，我们展示在由我们的方法生成的自动标注增强的数据集上训练可带来相比现有方法更优的下游检测性能。详情请访问项目网站 https://waabi.ai/labelformer

关键词

车外感知 LiDAR点云目标轨迹精炼自注意力自动标注自动驾驶

引用

@article{arxiv.2311.01444,
  title  = {LabelFormer: Object Trajectory Refinement for Offboard Perception from LiDAR Point Clouds},
  author = {Anqi Joyce Yang and Sergio Casas and Nikita Dvornik and Sean Segal and Yuwen Xiong and Jordan Sir Kwang Hu and Carter Fang and Raquel Urtasun},
  journal= {arXiv preprint arXiv:2311.01444},
  year   = {2023}
}

备注

20 pages, 8 figures, 7 tables

LabelFormer：基于LiDAR点云的车外感知中目标轨迹精炼

摘要

关键词

引用

备注

相关论文