ICCV 2023 | SupFusion：港中文最新用于3D检测的LV融合新SOTA！

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

>>点击进入→自动驾驶之心【3D目标检测】技术交流群

论文作者 | 汽车人

编辑 | 自动驾驶之心

原标题：SupFusion: Supervised LiDAR-Camera Fusion for 3D Object Detection
论文链接：https://arxiv.org/pdf/2309.07084.pdf
作者单位：香港中文大学 NIO
代码链接：https://github.com/IranQin/SupFusion
会议：ICCV 2023

论文思路：

基于LiDAR-Camera融合的三维检测是实现自动驾驶的关键技术之一。近年来，许多LiDAR-Camera的融合方法涌现出来，并取得了与单模态检测器相比有前途的性能，但始终缺乏对融合过程的精心设计和有效的监督。

本文提出了一种新的训练策略SupFusion，该策略为有效的LiDAR-Camera融合提供了辅助特征级监督，显著提高了检测性能。本文的策略涉及到一种称为极坐标采样(Polar Sampling)的数据增强方法，它对稀疏的目标进行加密，并训练一个辅助模型生成高质量的特征作为监督。然后利用这些特征训练LiDAR-Camera融合模型，对融合特征进行优化，以模拟生成的高质量特征。此外，本文提出了一种简单而有效的深度融合模块(deep fusion module)，与已有的基于SupFusion策略的融合方法相比，该模块具有连续的优越性能。这样看来，本文的提出的方法有以下优点。首先，SupFusion引入了辅助特征级监督，可以在不引入额外推理成本的情况下提高LiDAR-Camera的检测性能。其次，提出的深度融合可以不断提高检测器的能力。本文提出的SupFusion和deep fusion模块是即插即用的，本文进行了大量的实验来证明其有效性。具体来说，基于多个 LiDAR-Camera 3D 检测器，本文在 KITTI 基准上获得了约 2% 的 3D mAP 改进。

主要贡献：

本文提出了一种名为 SupFusion 的新型监督融合训练策略，该策略主要由高质量特征生成过程组成，并据本文所知，首先提出辅助特征级监督损失，以实现鲁棒融合特征提取和准确的 3D 检测。

为了在SupFusion中获得高质量的特征，本文提出了一种极坐标采样的数据增强方法来对稀疏目标进行加密。此外，本文提出了一种高效的深度融合模块，以提高连续检测精度。

本文基于不同融合策略的多个检测器进行了大量实验，并在KITTI基准上获得了约2%的mAP改进。

网络设计：

本文提出了一种名为 SupFusion 的有监督 LiDAR-Camera 融合方法，以生成高质量的特征并为融合和特征提取过程提供有效的监督，并进一步提高基于 LiDAR-Camera 融合的 3D 检测性能。具体来说，本文首先训练一个辅助模型来提供高质量的特征。为了实现这一目标，与以前利用更大模型或额外数据的方法不同，本文提出了一种称为极坐标采样(Polar Sampling)的新型数据增强方法。极坐标采样可以从稀疏的激光雷达数据中动态增强物体的密度，从而更容易检测并提高特征质量，例如特征可以得出准确的检测结果。然后，本文通过引入辅助特征级监督来简单地训练基于 LiDAR-Camera 融合的检测器。在此步骤中，本文将原始 LiDAR 和摄像机输入输入到 3D/2D 主干和融合模块中以获得融合特征。一方面，融合特征被输入检测头进行最终预测，即决策级监督。另一方面，辅助监督将融合特征模拟为高质量特征，这些特征是通过预训练的辅助模型和增强的激光雷达数据获得的。通过这种方式，所提出的特征级监督可以使融合模块生成更鲁棒的特征，并进一步提高检测性能。为了更好地融合 LiDAR 和摄像机特征，本文提出了一种简单而有效的深度融合模块，该模块由堆叠的 MLP 块和动态融合块组成。SupFusion可以充分挖掘深度融合模块能力，不断提高检测精度。

图2:检测器训练过程。对于给定的LiDAR-Camera样本，本文通过相应的3D/2D编码器提取特征表示，并使用提出的深度融合模块融合多模态特征。除了检测损失的 外，本文 提出辅助特征级监督 ，将融合的特征 模拟成高质量的特征 ，这是由辅助模型和增强数据生成的。

图3:高质量的特征生成过程。对于任意给定的LiDAR样本，本文通过 polar pasting 对稀疏目标进行加密，polar pasting计算从数据库中查询稠密目标的方向和旋转，并通过粘贴向稀疏目标添加额外的点。本文首先通过增强的数据训练辅助模型，并将增强的LiDAR数据输入辅助模型中，以生成高质量的特征 ，直到它被收敛。

图1:上图:之前的LiDAR-Camera 3D检测器，通过检测损失对融合模块进行优化。底部:本文提出的SupFusion，本文提出了通过一个辅助模型提供的高质量特征的辅助监督。

图4:Polar grouping主要是建立一个数据库，将每个组的密集目标存储在每个类的方向和旋转的极坐标系系统中。

实验结果：

引用：

Qin, Y., Wang, C., Kang, Z., Ma, N., Li, Z., & Zhang, R. (2023). SupFusion: Supervised LiDAR-Camera Fusion for 3D Object Detection. ArXiv. /abs/2309.07084

投稿作者为『自动驾驶之心知识星球』特邀嘉宾，如果您希望分享到自动驾驶之心平台，欢迎联系我们！

① 全网独家视频课程

BEV感知、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、点云3D目标检测、目标跟踪、Occupancy、cuda与TensorRT模型部署、协同感知、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频（扫码即可学习）

视频官网：www.zdjszx.com

② 国内首个自动驾驶学习社区

近2000人的交流社区，涉及30+自动驾驶技术栈学习路线，想要了解更多自动驾驶感知（2D检测、分割、2D/3D车道线、BEV感知、3D目标检测、Occupancy、多传感器融合、多传感器标定、目标跟踪、光流估计）、自动驾驶定位建图（SLAM、高精地图、局部在线地图）、自动驾驶规划控制/轨迹预测等领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频，期待交流！

③【自动驾驶之心】技术交流群

自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多模态感知、Occupancy、多传感器融合、transformer、大模型、点云处理、端到端自动驾驶、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向。扫码添加汽车人助理微信邀请入群，备注：学校/公司+方向+昵称（快速入群方式）

④【自动驾驶之心】平台矩阵，欢迎联系我们！