Abstract

點(diǎn)云中的目標(biāo)檢測(cè)是自動(dòng)駕駛等機(jī)器人應(yīng)用中的一個(gè)重要方面。在本文中，作者思考了將點(diǎn)云編碼成適合下游檢測(cè)pipeline的格式問(wèn)題。最近的文獻(xiàn)提出了兩種類型的編碼器：固定編碼器往往更快，但犧牲了準(zhǔn)確性，而從數(shù)據(jù)學(xué)習(xí)的編碼器更準(zhǔn)確但是速度較慢。在這篇工作中，作者提出了一種可以利用PointNet去學(xué)習(xí)以垂直列組織的點(diǎn)云的表示(pillars)的新的encoder。這種編碼特征可以用于任何標(biāo)準(zhǔn)的2D卷積檢測(cè)體系結(jié)構(gòu)，接著作者進(jìn)一步提出了一個(gè)精簡(jiǎn)的下游網(wǎng)絡(luò)。大量的實(shí)驗(yàn)表明，PointPillars在速度和準(zhǔn)確性方面都大大優(yōu)于以前的編碼器，盡管只使用激光雷達(dá)，這種檢測(cè)pipeline顯著優(yōu)于目前的先進(jìn)水平。

Motivation

在城市環(huán)境中部署自動(dòng)駕駛汽車(autonomous vehicles, AVs)是一項(xiàng)艱巨的技術(shù)挑戰(zhàn)。除其他任務(wù)外，自動(dòng)駕駛汽車還需要實(shí)時(shí)檢測(cè)和跟蹤車輛、行人和自行車等移動(dòng)物體，為了達(dá)成這個(gè)目標(biāo)，自動(dòng)駕駛汽車依賴多個(gè)傳感器，其中激光雷達(dá)可以說(shuō)是最重要的，激光雷達(dá)使用激光掃描儀測(cè)量到環(huán)境的距離，從而生成稀疏點(diǎn)云。傳統(tǒng)上，激光雷達(dá)機(jī)器人pipeline將這些點(diǎn)云解釋為目標(biāo)檢測(cè)，通過(guò)一個(gè)自下而上的pipeline&#

總結(jié)

以上是生活随笔為你收集整理的【lidar】3D目标检测PointPillars：论文解读、代码解读、部署实现（1）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。