Features
Zhenwei Miao, Jikai Chen, Hongyu Pan, Ruiwen Zhang, Kaixuan Liu, Peihan Hao, Jun Zhu, Yang Wang, Xin Zhan; Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2021, pp. 3279-3288
Abstract

基于量化的方法因其在提取上下文信息方面的效率而被广泛用于LiDAR点的三维物体检测。与图像中上下文信息均匀地分布在物体上不同，大多数LiDAR点是沿着物体边界分布的，这意味着边界特征在LiDAR点三维检测中更为关键。然而，在训练和推理阶段，量化不可避免地引入了模糊性。为了缓解这一问题，我们提出了一种基于投票的单阶段三维检测器，即点-体素-网格网络（PVGNet）。特别是，PVGNet在一个统一的骨干架构中提取点、体素和网格级的特征，并产生点状的融合特征。它将LiDAR点分割成前景和背景，为每个前景点预测一个三维边界框，并进行分组投票以得到最终的检测结果。此外，我们观察到，由于遮挡和观察距离造成的实例级的点不平衡也会降低检测性能。我们提出了一种新的实例感知的焦点损失来缓解这一问题，并进一步提高检测能力。我们在KITTI和Waymo数据集上进行了实验。我们提出的PVGNet优于以前的最先进方法，在KITTI 3D/BEV检测排行榜上名列前茅。

Related Material    

[pdf] [bibtex]