从稀疏点到稠密云：利用有限的LiDAR数据增强3D检测
计算机视觉与模式识别
2024-04-11 v1
摘要
3D检测是一项关键任务，使机器能够识别和定位三维空间中的物体。它在自动驾驶、机器人和增强现实等多个领域有广泛应用。单目3D检测因其仅需单个相机而具有吸引力，但缺乏实际应用所需的准确性和鲁棒性。另一方面，高分辨率LiDAR成本高昂，且在交通繁忙的情况下，由于其主动发射特性会导致干扰问题。我们提出了一种平衡的方法，结合了单目和基于点云的3D检测的优势。我们的方法仅需少量3D点，这些点可从低成本、低分辨率传感器获取。具体而言，我们仅使用512个点，这只是KITTI数据集中完整LiDAR帧的1%。我们的方法将有限的3D信息与单张图像结合，重建出完整的3D点云。重建的3D点云及对应图像可被任何现成的多模态检测器用于3D目标检测。通过使用所提出的网络架构与现成的多模态3D检测器，在KITTI和JackRabbot数据集上，3D检测的准确率比最先进的单目检测方法提高了20%，比基线多模态方法提高了6%至9%。
引用
@article{arxiv.2404.06715,
title = {Sparse Points to Dense Clouds: Enhancing 3D Detection with Limited LiDAR Data},
author = {Aakash Kumar and Chen Chen and Ajmal Mian and Neils Lobo and Mubarak Shah},
journal= {arXiv preprint arXiv:2404.06715},
year = {2024}
}