一旦检测到，永不丢失：超越人类水平的离线基于 LiDAR 的 3D 目标检测
计算机视觉与模式识别
2023-04-25 v1 机器人学
摘要
本文旨在实现高性能的离线基于 LiDAR 的 3D 目标检测。我们首先观察到，经验丰富的人类标注者从以轨迹为中心的视角标注物体。他们先在一条轨迹中标注形状清晰的物体，然后利用时间一致性推断模糊物体的标注。受此启发，我们提出了一种以轨迹为中心视角而非传统的以物体为中心视角的高性能离线检测器。我们的方法具有双向跟踪模块和以轨迹为中心的学习模块。这样的设计使得我们的检测器在某一时刻检测到物体后，即可推断并细化出完整轨迹。我们将此特性称为“一旦检测到，永不丢失 (onCe detecTed, neveR Lost)”，并将所提系统命名为 CTRL。大量实验证明了我们方法的卓越性能，在极具竞争力的 Waymo Open Dataset 上无需模型集成即超越人类水平标注精度及先前最先进方法。代码将公开于 https://github.com/tusen-ai/SST。
引用
@article{arxiv.2304.12315,
title = {Once Detected, Never Lost: Surpassing Human Performance in Offline LiDAR based 3D Object Detection},
author = {Lue Fan and Yuxue Yang and Yiming Mao and Feng Wang and Yuntao Chen and Naiyan Wang and Zhaoxiang Zhang},
journal= {arXiv preprint arXiv:2304.12315},
year = {2023}
}