重新审视基于栅格的 3D 目标检测中的降维方法
计算机视觉与模式识别
2023-01-30 v4 机器人学
摘要
鸟瞰图（BEV）因可应用成熟的 2D 检测技术而被当前大多数点云检测器广泛采用。然而，现有方法通过沿高度维简单压缩体素或点特征来获取 BEV 特征，导致严重的 3D 空间信息丢失。为缓解信息丢失，我们提出了一种基于多级特征降维策略的新型点云检测网络，称为 MDRNet。在 MDRNet 中，设计了空间感知降维（SDR）以在体素到 BEV 特征变换过程中动态聚焦于目标的有价值部分。此外，提出多级空间残差（MSR）以融合 BEV 特征图中的多级空间信息。在 nuScenes 上的大量实验表明，所提方法优于当前最优方法。代码将在发表后公开。
引用
@article{arxiv.2209.09464,
title = {Rethinking Dimensionality Reduction in Grid-based 3D Object Detection},
author = {Dihe Huang and Ying Chen and Yikang Ding and Jinli Liao and Jianlin Liu and Kai Wu and Qiang Nie and Yong Liu and Chengjie Wang and Zhiheng Li},
journal= {arXiv preprint arXiv:2209.09464},
year = {2023}
}