MoDAR：利用运动预测在点云序列中进行三维目标检测
计算机视觉与模式识别
2023-06-07 v1
摘要
被遮挡和远距离目标无处不在，且对三维目标检测具有挑战性。点云序列数据为提高此类情况提供了独特机会，因为被遮挡或遥远的目标可以从不同视角被观测到，或随时间获得更好的可见性。然而，编码长期序列数据的效率与效果仍有改进空间。在本工作中，我们提出 MoDAR，利用运动预测输出作为一种虚拟模态，以增强 LiDAR 点云。MoDAR 模态将目标信息从时间上下文传播到目标帧，表示为一组虚拟点，每个来自预测轨迹上航点的目标对应一个虚拟点。随后，由原始传感器点与虚拟点融合的点云可被输入任何现成的基于点云的三维目标检测器。在 Waymo Open Dataset 上评估，我们的方法通过利用来自超长序列（例如 18 秒）的运动预测显著改进了先前最优检测器，实现了新的 SOTA，同时未增加过多计算开销。
引用
@article{arxiv.2306.03206,
title = {MoDAR: Using Motion Forecasting for 3D Object Detection in Point Cloud Sequences},
author = {Yingwei Li and Charles R. Qi and Yin Zhou and Chenxi Liu and Dragomir Anguelov},
journal= {arXiv preprint arXiv:2306.03206},
year = {2023}
}
备注
CVPR 2023