面向资源受限边缘设备的全景 3D 对象检测：Panopticus

全景视角的 3D 对象检测为移动机器人导航等安全关键型应用提供了可能。此类应用日益依赖于资源受限的边缘设备，以实现可靠的处理，同时避免隐私问题和网络延迟。为实现成本效益高的部署，摄像头因其低成本优势被广泛采用，替代激光雷达传感器。然而，由于边缘设备的计算限制，摄像头方案的计算密集型工作负载仍然具有挑战性。本文提出 Panopticus，一个为边缘设备上实现全景摄像头 3D 检测而精心设计的系统。Panopticus 采用自适应多分支检测方案，考虑到空间复杂度。为在延迟限制内优化准确率，Panopticus 根据可用边缘资源和空间特征动态调整模型的架构和操作。我们在三台边缘设备上实现了 Panopticus，并基于公开的自驾数据集和我们自建的 360° 摄像头数据集进行了实验。实验结果表明，Panopticus 在满足 33ms 严格时延目标的前提下，平均准确率提升了 62%。此外，Panopticus 相较于基线方法平均实现了 2.1 倍的时延降低。