R-AGNO-RPN：一种用于分辨率无关检测的激光雷达-相机区域深度网络
计算机视觉与模式识别
2020-12-11 v1 人工智能
机器人学
摘要
当前基于神经网络的激光雷达点云目标检测方法通常从一种激光雷达传感器训练得到。然而，当使用与训练所用传感器不同的激光雷达传感器（即具有不同点云分辨率）的数据进行测试时，其性能会下降。本文提出 R-AGNO-RPN，一种构建于 3D 点云与 RGB 图像融合之上的区域提议网络，用于与点数分辨率无关的 3D 目标检测。由于我们的方法设计上也适用于低点数分辨率，所提方法侧重于目标定位，而非在缩减数据上估计精细边界框。对低分辨率点云的鲁棒性通过将图像特征精确映射到鸟瞰图（Bird's Eye View）以及一种提升 RGB 图像贡献的特定数据增强过程获得。为展示所提网络处理不同点云分辨率的能力，在 KITTI 3D 目标检测与 nuScenes 数据集的数据上进行了实验。此外，为评估其性能，我们的方法与知名的 3D 检测网络 PointPillars 进行了比较。实验结果表明，即便点云数据被缩减至原始点数的 ，我们的方法仍能提供相关的提议定位。
引用
@article{arxiv.2012.05740,
title = {R-AGNO-RPN: A LIDAR-Camera Region Deep Network for Resolution-Agnostic Detection},
author = {Ruddy Théodose and Dieumet Denis and Thierry Chateau and Vincent Frémont and Paul Checchin},
journal= {arXiv preprint arXiv:2012.05740},
year = {2020}
}