RSN：用于高效精确激光雷达三维目标检测的程距稀疏网络
计算机视觉与模式识别
2021-06-28 v1
摘要
从激光雷达数据中进行三维目标检测是大多数自动驾驶系统的关键组成部分。安全的高速驾驶需要更大的检测范围，这由新型激光雷达实现。这些更大的检测范围需要更高效且精确的检测模型。为此，我们提出程距稀疏网络（Range Sparse Net, RSN），一种简单、高效且精确的三维目标检测器，以应对该扩展检测体制下的实时三维目标检测。RSN从程距图像中预测前景点，并对所选前景点应用稀疏卷积以检测目标。在稠密程距图像上的轻量级二维卷积显著减少了所选前景点的数量，从而使RSN中后续的稀疏卷积得以高效运行。结合来自程距图像的特征进一步提升了检测精度。RSN在Waymo Open Dataset（WOD）的150m x 150m检测区域上以每秒超过60帧的速度运行，同时比先前发布的检测器更精确。截至2020年11月，基于激光雷达的行人与车辆检测的APH/LEVEL 1指标，RSN在WOD排行榜上排名第一，同时比替代方案快数倍。
引用
@article{arxiv.2106.13365,
title = {RSN: Range Sparse Net for Efficient, Accurate LiDAR 3D Object Detection},
author = {Pei Sun and Weiyue Wang and Yuning Chai and Gamaleldin Elsayed and Alex Bewley and Xiao Zhang and Cristian Sminchisescu and Dragomir Anguelov},
journal= {arXiv preprint arXiv:2106.13365},
year = {2021}
}