MVFuseNet：通过激光雷达数据多视图融合改进端到端目标检测与运动预测
计算机视觉与模式识别
2021-04-23 v1 机器人学
摘要
在本工作中，我们提出 \textit{MVFuseNet}，一种基于 LiDAR 数据时间序列进行联合目标检测与运动预测的端到端新方法。大多数现有方法通过在单一视图中操作，将数据投影到距离视图（RV）或鸟瞰图（BEV）中。相反，我们提出一种方法，在时序融合网络中有效利用 RV 与 BEV 进行时空特征学习，并在骨干网络中进行多尺度特征学习。此外，我们提出一种新颖的序列融合方法，在时序融合网络中有效利用多视图。我们在两个大规模自动驾驶数据集上展示了我们的多视图方法在检测与运动预测任务上的优势，取得了最先进的（SOTA）结果。此外，我们表明 MVFusenet 在保持实时性能的同时可良好扩展至大作用范围。
引用
@article{arxiv.2104.10772,
title = {MVFuseNet: Improving End-to-End Object Detection and Motion Forecasting through Multi-View Fusion of LiDAR Data},
author = {Ankit Laddha and Shivam Gautam and Stefan Palombo and Shreyash Pandey and Carlos Vallespi-Gonzalez},
journal= {arXiv preprint arXiv:2104.10772},
year = {2021}
}
备注
Published at CVPR 2021 Workshop on Autonomous Driving