重构三维边界框编码与标注：基于角点的点云三维目标检测
计算机视觉与模式识别
2025-11-25 v1
摘要
中心对齐回归在激光雷达（LiDAR）基于的三维目标检测中占据主导地位，但存在根本性不稳定性：由于激光雷达点云的正面表面偏向性，目标中心常常位于鸟瞰图（BEV）中稀疏或空旷区域，导致预测的边界框噪声且不准确。为规避这一局限，我们重新审视边界框表示，提出角点对齐回归，该方法将预测目标从不稳定的中心转向位于稠密可观测区域的几何信息丰富的角点。利用角点之间固有的几何约束和图像2D框的关系，可从角点标注中恢复部分3D边界框参数，实现无需完整3D标签的弱监督范式。我们设计了一个简单而有效的角点感知检测头，可集成到现有检测器中。KITTI数据集上的实验表明，我们的方法相对于基于中心的基线提高了3.5%的平均精度（AP），仅通过BEV角点点击即可达到完全监督准确率的83%，凸显了角点感知回归策略的有效性。
引用
@article{arxiv.2511.17619,
title = {Rethinking the Encoding and Annotating of 3D Bounding Box: Corner-Aware 3D Object Detection from Point Clouds},
author = {Qinghao Meng and Junbo Yin and Jianbing Shen and Yunde Jia},
journal= {arXiv preprint arXiv:2511.17619},
year = {2025}
}
备注
8 pages, 5 figures, 2 tables