PolarFormer：基于极坐标Transformer的多相机三维目标检测
计算机视觉与模式识别
2023-01-18 v6 人工智能
摘要
自动驾驶中的三维目标检测旨在推断三维世界中感兴趣物体“是什么”以及“在哪里”。遵循以往二维目标检测的传统思路，现有方法常采用具有垂直坐标轴的标准笛卡尔坐标系。然而，我们认为这并不符合自车视角的本质，因为每个车载相机感知世界的方式是由成像几何内在决定的楔形，其轴为放射状（非垂直）的。因此，本文倡导利用极坐标系，并提出一种新的极坐标Transformer（PolarFormer），以仅输入多相机二维图像的方式，在鸟瞰图（BEV）中实现更精确的三维目标检测。具体而言，我们设计了一个基于交叉注意力的极坐标检测头，不受输入结构形状限制，以处理不规则的极坐标网格。为应对极坐标距离维度上无约束的物体尺度变化，我们进一步引入多尺度极坐标表示学习策略。因此，我们的模型能够在几何约束下，以序列到序列的方式通过关注相应图像观测，充分利用极坐标表示进行栅格化。在nuScenes数据集上的充分实验表明，我们的PolarFormer显著优于最先进的（SOTA）三维目标检测替代方法。
引用
@article{arxiv.2206.15398,
title = {PolarFormer: Multi-camera 3D Object Detection with Polar Transformer},
author = {Yanqin Jiang and Li Zhang and Zhenwei Miao and Xiatian Zhu and Jin Gao and Weiming Hu and Yu-Gang Jiang},
journal= {arXiv preprint arXiv:2206.15398},
year = {2023}
}
备注
Accepted to AAAI2023