科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高自动驾驶中目标检测的精度与效率问题,本文中提出了一个简单而实用的检测框架,预测3D BBox和实例分割,在精度和效率之间实现了良好的平衡。首先,通过融合采样获得点云,骨干网络提取了局部特征和全局上下文信息;其次,设计了两个分支网络来预测语义标签和偏移量,将每个点移向其各自的实例中心,基于简单的聚类策略生成对象建议,对于每个集群仅生成一个建议,不再需要非最大抑制(NMS)过程;最后,应用提出的基于关键点的方法来优化每个提案的3D BBox。通过将相同实例上的点投票为其目标关键点,将最小二乘拟合算法应用于预测的关键点。在公开的KITTI数据集上的实验结果表明,与其它基于特征嵌入的方法相比,本文所提出的方法可以显着改善实例分割结果,优于KITTI测试基准上的大多数3D对象检测器。
- 单位
