重新思考轻量级LiDAR三维目标检测的骨干网络设计

基于LiDAR的三维目标检测的最新进展显著加速了在真实环境中实现全自动驾驶的进程。尽管取得了较高的检测性能，但大多数方法仍然依赖基于VGG或ResNet的骨干网络进行特征提取，这增加了模型的复杂度。轻量级骨干网络设计在二维目标检测中已得到充分探索，但针对三维目标检测的研究仍然有限。在这项工作中，我们引入了Dense Backbone，一种轻量级骨干网络，它结合了高处理速度、轻量级架构和稳健的检测精度。我们将多个最先进的三维目标检测器（如PillarNet）与我们的骨干网络适配，并表明使用我们的骨干网络，这些模型在显著降低计算成本的同时保留了大部分检测能力。据我们所知，这是第一个专门为从点云数据中进行三维目标检测而设计的基于密集层的骨干网络。DensePillarNet是我们对PillarNet的适配，在nuScenes测试集上，模型参数减少了29%，延迟降低了28%，而检测精度仅下降了2%。此外，Dense Backbone的即插即用设计允许直接集成到现有架构中，无需修改其他网络组件。