LiDAR R-CNN：一种高效通用的三维目标检测器
计算机视觉与模式识别
2021-03-30 v1
摘要
基于 LiDAR 的点云三维检测在自动驾驶感知系统中至关重要。本文提出 LiDAR R-CNN，一种通常可改进任意现有三维检测器的第二阶段检测器。为满足实际中的实时与高精度需求，我们采用基于点的方案而非流行的基于体素的方案。然而，我们发现先前工作中一个被忽视的问题：朴素地应用 PointNet 等基于点的方法会使所学特征忽略候选框的尺寸。为此，我们详细分析该问题并提出若干补救方法，带来显著的性能提升。在 Waymo Open Dataset（WOD）和 KITTI 数据集等真实数据集上，结合多种流行检测器进行的综合实验证明了我们的 LiDAR R-CNN 的通用性与优越性。特别地，基于 PointPillars 的一个变体，我们的方法能以微小代价取得新的 state-of-the-art 结果。代码将发布于 https://github.com/tusimple/LiDAR_RCNN 。
引用
@article{arxiv.2103.15297,
title = {LiDAR R-CNN: An Efficient and Universal 3D Object Detector},
author = {Zhichao Li and Feng Wang and Naiyan Wang},
journal= {arXiv preprint arXiv:2103.15297},
year = {2021}
}
备注
CVPR 2021 camera-ready