LISO：仅激光雷达的自监督 3D 物体检测
计算机视觉与模式识别
2024-03-13 v1
摘要
3D 物体检测是任何自动驾驶栈中最重要的组件之一，但当前最先进的（SOTA）激光雷达物体检测器需要昂贵且缓慢的 3D 边界框手动标注才能表现良好。最近出现了几种无需人工监督即可生成伪真值的方法，然而所有这些方法都存在各种缺陷：有些方法需要具有全相机覆盖和精确标定的传感器套件，部分还需辅以辅助光流引擎；另一些方法则需要昂贵的高精度定位来查找在多次驾驶中消失的物体。我们引入了一种新颖的自监督方法来训练 SOTA 激光雷达物体检测网络，该方法仅适用于未标注的激光雷达点云序列，我们称之为轨迹正则化自训练。它在底层利用 SOTA 自监督激光雷达场景流网络来生成、跟踪并迭代优化伪真值。我们证明了该方法在多个真实世界数据集上对多种 SOTA 物体检测网络的有效性。代码将会发布。
引用
@article{arxiv.2403.07071,
title = {LISO: Lidar-only Self-Supervised 3D Object Detection},
author = {Stefan Baur and Frank Moosmann and Andreas Geiger},
journal= {arXiv preprint arXiv:2403.07071},
year = {2024}
}