【3D目标检测】开源 | 一种新型的探测遥远物体的融合策略，在鸟瞰图和3D中远距目标检测方面的性能SOTA！

论文地址： http://arxiv.org/pdf/2011.01404v3.pdf

来源： The Ohio State Universtiy

论文名称：Faraway-Frustum Dealing with Lidar Sparsity for 3D Object Detection using Fusion

原文作者：Haolin Zhang

内容提要

基于学习的点云表示不能很好地泛化到传感器的距离增加的情况下。例如，在超过60米的范围内，激光雷达点云的稀疏程度达到了连人类都无法分辨物体形状的程度。然而，对于快速行驶的车辆来说，这个距离不算太远：一辆汽车可以在2秒内以70英里/小时的速度行驶60米。为了实现安全可靠的驾驶自动化，在这些范围内进行3D目标检测是必不可少的。在此背景下，我们引入了一种新型的探测遥远物体的融合策略——远截锥。主要策略是仅依靠2D视觉来识别目标类，因为物体的形状不会随着深度的增加而发生剧烈的变化，并利用点云数据在3D空间中对远处的物体进行目标定位。对于更近的目标，我们使用学习过的点云表示，遵循最先进的技术。该策略缓解了使用学习的点云表示进行目标检测的主要缺点。在KITTI数据集上的实验表明，本文方法在鸟瞰图和3D中远距目标检测方面的性能优于目前最先进的方法。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。