PSA-Det3D：用于三维目标检测的柱体集抽象网络
计算机视觉与模式识别
2022-10-27 v2 人工智能
摘要
三维点云的小目标检测是一个具有挑战性的问题，源于两方面的局限：(1) 由于有效点缺失，感知小目标比正常目标困难得多。(2) 小目标易被遮挡，从而破坏其在三维点云中网格的形状。本文中，我们提出柱体集抽象(PSA)与前景点补偿(FPC)，并设计了一个基于点的检测网络PSA-Det3D，以提升小目标检测性能。PSA在集抽象(SA)基础上嵌入柱体查询操作以扩展网络感受野，从而有效聚合逐点特征。为定位更多被遮挡目标，我们提出由前景点分割与FPC模块构成的提议生成层。前景点与估计中心最终融合在一起生成检测结果。在KITTI三维检测基准上的实验表明，我们提出的PSA-Det3D在小目标检测上以高准确率优于其他算法。
引用
@article{arxiv.2210.10983,
title = {PSA-Det3D: Pillar Set Abstraction for 3D object Detection},
author = {Zhicong Huang and Jingwen Zhao and Zhijie Zheng and Dihu Chena and Haifeng Hu},
journal= {arXiv preprint arXiv:2210.10983},
year = {2022}
}