RV-FuseNet：基于距离视图的时序 LiDAR 数据融合用于联合 3D 目标检测与运动预测
计算机视觉与模式识别
2021-03-24 v3 机器人学
摘要
交通参与者的鲁棒实时检测与运动预测对于自动驾驶车辆安全行驶于城市环境十分必要。本文提出 RV-FuseNet，一种直接从时序 LiDAR 数据中进行联合检测与轨迹估计的新型端到端方法。与广泛使用的鸟瞰图(BEV)表示不同，我们采用 LiDAR 数据的原生距离视图(RV)表示。RV 通过避免 BEV 中使用的体素化，保留了传感器的完整分辨率。此外，RV 因其紧凑性可被高效处理。已有方法将时序数据投影至公共视点进行时间融合，且该视点常不同于数据采集时的视点。这对 BEV 方法已足够，但对 RV 方法会导致信息丢失与数据畸变，从而对性能产生不利影响。为应对该挑战，我们提出一种简单而有效的新架构——增量融合(Incremental Fusion)，其通过将每个 RV 帧依次投影至下一时刻帧的视点，使信息损失最小化。我们表明，相较现有最优方法，本方法显著提升了运动预测性能。此外，我们证明了在多数据集上，我们的序列融合方法优于其他基于 RV 的融合方法。
引用
@article{arxiv.2005.10863,
title = {RV-FuseNet: Range View Based Fusion of Time-Series LiDAR Data for Joint 3D Object Detection and Motion Forecasting},
author = {Ankit Laddha and Shivam Gautam and Gregory P. Meyer and Carlos Vallespi-Gonzalez and Carl K. Wellington},
journal= {arXiv preprint arXiv:2005.10863},
year = {2021}
}
备注
Submitted to IROS 2021