FSD V2:通过虚拟voxels改进完全稀缺的3D对象检测

科学领域:

• 计算机视觉 计算机视觉
• 机器人技术 机器人技术 机器人技术
• 机器学习 机器学习

背景情况:

• 基于LiDAR的完全稀疏的架构正在为3D对象检测获得吸引力.
• FSDv1显示出高效率和高效率,但具有复杂的手工设计.

研究的目的:

• 介绍FSDv2,FSDv1.1的简化和更普遍的演变.
• 为了更广泛的适用性,在实例级表示中消除临时启发式启发式.

主要方法:

• 引入虚拟voxels来取代基于集群的实例细分.
• 开发一个虚拟的voxel编码器,混合器和分配策略.
• 在完全稀疏的探测器中解决中心特征缺失问题.

主要成果:

• 在Waymo开放数据集,Argoverse 2和nuScenes数据集上实现了最先进的性能.
• 在远程检测场景中表现出优越性.
• 在各种环境中展现出具有竞争力和普遍性的性能.

结论:

• FSDv2为3D对象检测提供了一种更优雅和精简的方法.
• 虚拟voxel机制提高了探测器的通用性和性能.
• 开源代码促进了该领域的进一步研究.