PointPillars：用于点云目标检测的快速编码器
机器学习
2019-05-08 v2 计算机视觉与模式识别
机器学习
摘要
点云中的目标检测是许多机器人应用（如自动驾驶）的一个重要方面。在本文中，我们考虑将点云编码为适合下游检测流程的格式的问题。近期文献提出了两类编码器：固定编码器往往速度快但牺牲精度，而从数据中学得的编码器精度更高但速度更慢。在这项工作中，我们提出 PointPillars，一种利用 PointNets 学习组织在垂直柱（pillars）中的点云表示的新型编码器。虽然编码后的特征可用于任何标准的 2D 卷积检测架构，我们进一步提出了一种精简的下游网络。大量实验表明，PointPillars 在速度和精度两方面均大幅优于以往的编码器。尽管仅使用激光雷达，我们的完整检测流程在 3D 和鸟瞰图 KITTI 基准上均显著优于当前最优方法，即便在融合方法中亦如此。该检测性能是在 62 Hz 运行频率下实现的：实现了 2 至 4 倍的运行时间改进。我们方法的一个更快版本以 105 Hz 匹配当前最优水平。这些基准表明 PointPillars 是点云目标检测的合适编码方式。
引用
@article{arxiv.1812.05784,
title = {PointPillars: Fast Encoders for Object Detection from Point Clouds},
author = {Alex H. Lang and Sourabh Vora and Holger Caesar and Lubing Zhou and Jiong Yang and Oscar Beijbom},
journal= {arXiv preprint arXiv:1812.05784},
year = {2019}
}
备注
9 pages. v1 is initial submission to CVPR 2019. v2 is final version accepted for publication at CVPR 2019