用于 LiDAR 中 3D 目标检测的距离自适应
计算机视觉与模式识别
2019-09-27 v1
摘要
基于 LiDAR 的 3D 目标检测在现代自动驾驶系统中起着关键作用。LiDAR 数据在不同观测距离上常表现出严重的特性变化。本文中，我们探索利用 LiDAR 进行 3D 目标检测的跨距离自适应，即远距观测被自适应至近距。如此，远距检测被优化以取得与近距相近的性能。我们采用鸟瞰图（BEV）检测框架来执行所提出的模型自适应。我们的模型自适应由对抗式全局自适应与细粒度局部自适应组成。所提出的跨距离自适应框架在三个最先进的基于 LiDAR 的目标检测网络上得到验证，我们一致观察到远距目标上的性能提升，且未向模型添加任何辅助参数。据我们所知，本文是首个研究点云中目标检测的跨距离 LiDAR 自适应的尝试。为证明所提自适应框架的通用性，进一步开展了更具挑战性的跨设备自适应实验，并发布了一个带有高质量标注点云的新 LiDAR 数据集以促进未来研究。
引用
@article{arxiv.1909.12249,
title = {Range Adaptation for 3D Object Detection in LiDAR},
author = {Ze Wang and Sihao Ding and Ying Li and Minming Zhao and Sohini Roychowdhury and Andreas Wallin and Guillermo Sapiro and Qiang Qiu},
journal= {arXiv preprint arXiv:1909.12249},
year = {2019}
}