PV-RCNN++：用于三维目标检测的点-体素特征集抽象与局部向量表示
计算机视觉与模式识别
2022-11-09 v3
摘要
三维目标检测因其在各个领域的广泛应用而受到工业和学术界越来越多的关注。在本文中，我们提出Point-Voxel基于区域的卷积神经网络(PV-RCNNs)用于点云上的三维目标检测。首先，我们提出一种新颖的三维检测器PV-RCNN，它通过两个新颖步骤，即体素到关键点的场景编码和关键点到网格的RoI特征抽象，深度整合基于点的集抽象和基于体素的稀疏卷积的特征学习，从而提升三维检测性能。其次，我们提出一个先进框架PV-RCNN++，用于更高效和准确的三维目标检测。它包含两项主要改进：以提议为中心的扇区化采样，用于高效生成更具代表性的关键点；以及VectorPool聚合，用于以更少的资源消耗更好地聚合局部点特征。通过这两种策略，我们的PV-RCNN++比PV-RCNN快约，同时取得更好的性能。实验表明，我们提出的PV-RCNN++框架在大规模且极具竞争力的Waymo Open Dataset上实现了state-of-the-art的三维检测性能，在150m * 150m检测范围内达到10 FPS的推理速度。
引用
@article{arxiv.2102.00463,
title = {PV-RCNN++: Point-Voxel Feature Set Abstraction With Local Vector Representation for 3D Object Detection},
author = {Shaoshuai Shi and Li Jiang and Jiajun Deng and Zhe Wang and Chaoxu Guo and Jianping Shi and Xiaogang Wang and Hongsheng Li},
journal= {arXiv preprint arXiv:2102.00463},
year = {2022}
}
备注
Accepted by International Journal of Computer Vision (IJCV), code is available at https://github.com/open-mmlab/OpenPCDet