用于激光雷达三维目标检测的点密度感知体素
计算机视觉与模式识别
2022-03-23 v2
摘要
LiDAR 已成为自动驾驶中主要的三维目标检测传感器之一。然而，LiDAR 随距离增加而产生的发散点模式导致非均匀采样的点云，不利于离散化体素特征提取。现有方法要么依赖体素化点云，要么使用低效的最远点采样来缓解密度变化带来的不利影响，但在很大程度上忽略了点密度作为一种特征及其与 LiDAR 传感器距离的可预测关系。我们提出的解决方案，点密度感知体素网络（PDV），是一种端到端两阶段 LiDAR 三维目标检测架构，旨在应对这些点密度变化。PDV 通过体素点质心从三维稀疏卷积骨干网络高效定位体素特征。随后，这些空间局部化的体素特征通过密度感知 RoI 网格池化模块进行聚合，该模块使用核密度估计（KDE）和带有点密度位置编码的自注意力机制。最后，我们利用 LiDAR 点密度与距离的关系来精炼最终边界框置信度。PDV 在 Waymo Open Dataset 上优于所有最先进方法，并在 KITTI 数据集上取得具竞争力的结果。我们提供了 PDV 的代码发布，可在 https://github.com/TRAILab/PDV 获取。
引用
@article{arxiv.2203.05662,
title = {Point Density-Aware Voxels for LiDAR 3D Object Detection},
author = {Jordan S. K. Hu and Tianshu Kuai and Steven L. Waslander},
journal= {arXiv preprint arXiv:2203.05662},
year = {2022}
}
备注
Accepted in CVPR 2022