面向自动驾驶的变换等变三维目标检测
计算机视觉与模式识别
2022-12-02 v3
摘要
三维目标检测近来在自动驾驶中受到越来越多的关注。三维场景中的物体以多样朝向分布。普通检测器未显式建模旋转与反射变换的变化。因此，需要大型网络与广泛的数据增强以实现鲁棒检测。近期的等变网络通过在多个变换点云上应用共享网络显式建模变换变化，在物体几何建模中展现出巨大潜力。然而，由于其巨大计算代价与缓慢推理速度，难以将此类网络应用于自动驾驶中的三维目标检测。本工作中，我们提出 TED，一种高效的变换等变三维检测器（Transformation-Equivariant 3D Detector），以克服计算代价与速度问题。TED 首先应用稀疏卷积骨干提取多通道变换等变体素特征；随后将这些等变特征对齐并聚合成轻量紧凑表示，用于高性能三维目标检测。在竞争激烈的 KITTI 三维车辆检测排行榜上，TED 以具竞争力的效率在所有提交中排名第 1。
引用
@article{arxiv.2211.11962,
title = {Transformation-Equivariant 3D Object Detection for Autonomous Driving},
author = {Hai Wu and Chenglu Wen and Wei Li and Xin Li and Ruigang Yang and Cheng Wang},
journal= {arXiv preprint arXiv:2211.11962},
year = {2022}
}
备注
Accepted by AAAI 2023