SIENet：用于点云三维目标检测的空间信息增强网络
计算机视觉与模式识别
2021-04-02 v2
摘要
基于LiDAR的三维目标检测对自动驾驶车辆有着巨大推动影响。由于LiDAR固有属性的限制，距离传感器较远的物体所采集的点更少。这种点云密度的不平衡降低了检测精度，但以往工作通常忽视此问题。为应对该挑战，我们提出了一种新颖的两阶段三维目标检测框架，名为SIENet。具体而言，我们设计了空间信息增强(SIE)模块来预测 proposals 内前景点的空间形状，并提取结构信息以学习代表性特征用于进一步的框细化。所预测的空间形状是完整且密集的点集，因此提取的结构信息包含更多语义表示。此外，我们设计了混合范式区域提议网络(HP-RPN)，其包含多个分支以学习判别性特征并为SIE模块生成准确 proposals。在KITTI三维目标检测基准上的大量实验表明，我们精心设计的SIENet大幅优于最先进的方法。
引用
@article{arxiv.2103.15396,
title = {SIENet: Spatial Information Enhancement Network for 3D Object Detection from Point Cloud},
author = {Ziyu Li and Yuncong Yao and Zhibin Quan and Wankou Yang and Jin Xie},
journal= {arXiv preprint arXiv:2103.15396},
year = {2021}
}