从自我中心视角重审 3D 目标检测
计算机视觉与模式识别
2021-12-16 v1 机器人学
摘要
3D 目标检测是自动驾驶等安全关键型机器人应用的关键模块。对于这些应用，我们最关心的是检测结果如何影响自主体（ego-agent）的行为与安全（自我中心视角）。直观上，当物体更可能干扰自主体运动轨迹时，我们需要更精确的物体几何描述。然而，当前基于边界框交并比（IoU）的检测度量是以物体为中心的，并非为捕捉物体与自主体之间的时空关系而设计。为解决此问题，我们提出一种评估 3D 目标检测的新自我中心度量，即支撑距离误差（SDE）。基于 SDE 的分析表明，自我中心检测质量受限于边界框的粗糙几何。鉴于 SDE 将受益于更精确的几何描述这一洞见，我们提出以非模态轮廓（具体为非模态星型多边形）表示物体，并设计了一个简单模型 StarPoly 来预测此类轮廓。我们在大规模 Waymo Open Dataset 上的实验表明，相较于 IoU，SDE 更好地反映了检测质量对自主体安全的影响；且来自 StarPoly 的估计轮廓相较近期 3D 目标检测器一致地提升了自我中心检测质量。
引用
@article{arxiv.2112.07787,
title = {Revisiting 3D Object Detection From an Egocentric Perspective},
author = {Boyang Deng and Charles R. Qi and Mahyar Najibi and Thomas Funkhouser and Yin Zhou and Dragomir Anguelov},
journal= {arXiv preprint arXiv:2112.07787},
year = {2021}
}
备注
Published in NeurIPS 2021