点虚拟变换

LiDAR-based 3D目标检测器常常难以检测远场目标，因为点云在长距离范围内稀疏，限制了可靠几何线索的获取。为此，先前方法会从RGB图像中推断深度完成的虚拟点来增强LiDAR数据；然而，直接包含所有虚拟点会增加计算成本，并在有效融合真实与虚拟信息方面引入挑战。我们提出Point Virtual Transformer (PointViT)，一个基于变换的3D目标检测框架，联合推理原始LiDAR点和选择性采样的虚拟点。该框架考察了多种融合策略，从早期点级融合到基于BEV的门控融合，并分析了其在准确率和效率之间的权衡。将稠密点云体素化并使用稀疏卷积编码，以形成BEV表示，从中初始化一组高置信度目标查询，并通过变换-based 语境聚合模块进行细化。在KITTI基准测试上，实验报告了Car类的91.16% 3D AP、95.94% BEV AP和99.36% 2D检测基准上的AP。