近期激光雷达点云的3D目标检测方法

作者 | 黄浴@知乎

编辑 | 3D视觉工坊

来源 | https://zhuanlan.zhihu.com/p/370650927

知圈 | 进“激光雷达社群”请加微信13636581676，备注激光

看到的一些近期激光雷达做目标检测的论文。

1 Offboard 3D Object Detection from Point Cloud Sequences, 3, 2021.

这是讲自动标注。

3D Auto Labeling pipeline

static object auto labeling

dynamic object auto labeling

2 SIENet: Spatial Information Enhancement Network for 3D Object Detection from Point Cloud, 3, 2021.

预测前景点的空间形状，提取结构信息。

Spatial Information Enhancement Network (SIENet)

Network architecture of the HP（hybrid paradigm）-RPN

3 Back-tracing Representative Points for Voting-based 3D Object Detection in Point Clouds, 4, 2021.

室内数据

4 HVPR: Hybrid Voxel-Point Representation for Single-stage 3D Object Detection, 4, 2021.

代码：https://cvlab.yonsei.ac.kr/projects/HVPR/

分析voxel-based方法和point-based方法的优缺点，提出一个混合表示，其中借鉴memory模块聚合两种特征。

HVPR + AMFM

AttentiveMulti-scale Feature Module (AMFM)

5 SE-SSD: Self-Ensembling Single-Stage Object Detector From Point Cloud, 4, 2021.

之前推荐过：

https://www.zhihu.com/pin/1369444197280378880

采用teacher-student对的知识蒸馏框架，提出一个形状-觉察的数据增强方法。

Self-Ensembling Single-Stage object Detector (SE-SSD)

shape-aware data augmentationscheme

6 BEVDetNet: Bird’s Eye View LiDAR Point Cloud based Real-time 3D Object Detection for Autonomous Driving, 4, 2021.

提出了一个统一的分割网络，速度快，可以在BD表示中做目标中心回归以及朝向3D框的预测。