基于域自适应的路侧LiDAR中实时鲁棒三维目标检测
计算机视觉与模式识别
2023-06-23 v2
摘要
本工作旨在解决使用基础设施LiDAR进行三维目标检测时的域自适应挑战。我们设计了一个模型DASE-ProPillars，可实时检测基于基础设施的LiDAR中的车辆。我们的模型以PointPillars为基线模型，并添加额外模块以提升三维检测性能。为证明所提模块在DASE-ProPillars中的有效性，我们在两个数据集上训练和评估该模型：开源的A9-Dataset和Regensburg Next项目内创建的半合成基础设施数据集。我们对DASE-ProPillars检测器中的每个模块进行了多组实验，结果表明我们的模型在真实A9测试集和半合成A9测试集上均优于SE-ProPillars基线，同时保持45 Hz（22 ms）的推理速度。我们通过迁移学习将域自适应从半合成A9-Dataset应用到Regensburg Next项目的半合成数据集，并在目标测试集的Car类上使用40个召回位置取得了93.49%的3D [email protected]。
引用
@article{arxiv.2204.00132,
title = {Real-Time and Robust 3D Object Detection Within Road-Side LiDARs Using Domain Adaptation},
author = {Walter Zimmer and Marcus Grabler and Alois Knoll},
journal= {arXiv preprint arXiv:2204.00132},
year = {2023}
}