【目标检测】Uber | CVPR2019 | 自动驾驶3D目标检测任务中，LaserNet运行时间少，大数据集上性能SOTA

论文地址：https://arxiv.org/abs/1903.08701 代码：…… 来源：Uber 论文名称：LaserNet: An Efficient Probabilistic 3D Object Detector for AutonomousDriving 原文作者：Gregory P. Meyer

本文提出了一种用于自动驾驶激光雷达3D目标检测计算效率高的方法——LaserNet。效率提高是由于在传感器的原生范围视图中处理LiDAR数据，其中输入数据自然紧凑。在范围视图中操作涉及众所周知的学习挑战，包括遮挡和尺度变化，但它还基于如何捕获传感器数据来提供上下文信息。本文方法使用完全卷积网络来预测每个点的3D Box上的多模态分布，它可以有效地融合这些分布以生成每个目标的预测。实验表明，将每个检测建模为分布而不是单个确定性盒，可以获得更好的整体检测性能。基准测试结果表明，这种方法的运行时间明显低于其他最新的检测器，并且与在大型数据集(有足够数据来克服远程视野训练的挑战)上进行相比它性能SOTA。

下面是论文具体框架结构以及实验结果：