基于点云序列的车外 3D 目标检测

当前 3D 目标识别研究多聚焦于实时、车载场景，而大量未被充分探索的感知车外用例（例如利用机器自动生成高质量 3D 标签）存在。由于输入有限与速度约束，现有 3D 目标检测器无法满足车外使用的高质量要求。本文提出一种利用点云序列数据的新型车外 3D 目标检测流程。观察到不同帧捕获了物体的互补视图，我们设计的车外检测器通过多帧目标检测与新颖的以物体为中心的细化模型来利用时序点。在 Waymo Open Dataset 上评估，我们名为 3D Auto Labeling 的流程相比最先进的车载检测器与我们的车外基线均有显著提升。其性能甚至与经人工标注研究验证的人类标签相当。进一步实验展示了自动标签在半监督学习中的应用，并提供广泛分析以验证各种设计选择。