基于开源模拟器的无人工标注3D检测
计算机视觉与模式识别
2020-11-17 v1
摘要
基于LiDAR的3D目标检测器通常需要大量精细标注的点云数据用于训练，但这些精细标注获取成本高昂。本文提出一种无人工标注的3D检测算法，利用CARLA模拟器生成大量自标注训练样本，并引入一种新颖的域自适应VoxelNet (DA-VoxelNet)，可跨越从合成数据到真实场景的分布鸿沟。自标注训练样本由CARLA模拟器中嵌入的一组高质量3D模型与所提LiDAR引导采样算法生成。随后提出集成样本级DA模块与锚级DA模块的DA-VoxelNet，使合成数据训练的检测器能适应真实场景。实验结果表明，所提无监督DA 3D检测器在KITTI评测集上BEV模式与3D模式分别达到76.66%与56.64% mAP。结果揭示了无需任何人工标注训练基于LiDAR的3D检测器的可行前景。
引用
@article{arxiv.2011.07784,
title = {Manual-Label Free 3D Detection via An Open-Source Simulator},
author = {Zhen Yang and Chi Zhang and Huiming Guo and Zhaoxiang Zhang},
journal= {arXiv preprint arXiv:2011.07784},
year = {2020}
}
备注
8 pages, 4 figures, ICPR2020