LiDAR 3D Object Detection
最近读了一些基于LiDAR 3D检测的paper,general的方法这里不重复赘述,主要针对该类task的challenge部分work的点进行总结。
challenge
lidar-based method 面临的主要挑战之一是远处的物体/车辆,会有相当稀疏的点(如个位数),以至于这些点无法推断出这是一个物体,那么这便造成远处物体的漏检和误检。
approach
其实一直有方法尝试将dense的RGB image feature 和 sparse lidar point feature 融合来弥补远处稀疏性这个不足。然鹅,到目前为止并没有一个合适的方式将两个维度的feature combine,这也是一个可以探索的点。
Shi et al. [1] 和 Yang et al. [2] 都尝试将point的semetic feature 和 canonical coordinates concat 起来,从而丰富point的feature。从ablation study 上看,这样的操作融合使得在hard level 上performance有~10%d的提升(6x.->7x.)。