SegVoxelNet：探索语义上下文与深度感知特征用于点云三维车辆检测
计算机视觉与模式识别
2020-02-14 v1
摘要
基于点云的三维车辆检测在自动驾驶等真实世界应用中是一项具有挑战性的任务。尽管已取得显著进展，我们观察到两方面有待改进。首先，先前工作很少探索 LiDAR 中的语义上下文信息，而这有助于识别模糊车辆。其次，点云在车辆上的分布随深度增加连续变化，单一模型可能难以很好建模。本工作中，我们提出统一模型 SegVoxelNet 以解决上述两个问题。提出语义上下文编码器以利用鸟瞰图中免费获取的语义分割掩码。该模块可高亮可疑区域同时抑制噪声区域。为更好处理不同深度的车辆，设计了一种新颖的深度感知头，显式建模分布差异，并使其各部分专注于各自的目标检测范围。在 KITTI 数据集上的大量实验表明，所提方法在以点云为唯一输入时，在精度与效率上均优于最先进的替代方法。
引用
@article{arxiv.2002.05316,
title = {SegVoxelNet: Exploring Semantic Context and Depth-aware Features for 3D Vehicle Detection from Point Cloud},
author = {Hongwei Yi and Shaoshuai Shi and Mingyu Ding and Jiankai Sun and Kui Xu and Hui Zhou and Zhe Wang and Sheng Li and Guoping Wang},
journal= {arXiv preprint arXiv:2002.05316},
year = {2020}
}
备注
Accepted by ICRA2020