EPDet: Enhancing point clouds features with effective representation for 3D object detection

EPDet: 通过有效的表示增强点云特征，用于3D物体检测

有效的3D物体检测依赖于强大的特征表示。全局特征和对象的代表性特征对于检测至关重要。然而，传统卷积的感知范围限制了大的感受野，并且当前的对象特征表示仍有改进的空间。针对这些问题，我们引入了一种用于增强点云特征的3D室外物体检测器，称为EPDet。具体而言，为了获取全局特征，我们在BEV（俯视图）领域引入了BEV-Offset Transformer。这个适应性模块增强了对象之间的语义连接，适用于各种3D检测方法。此外，为了改进点云特征，我们采用了Focal Conv作为我们的3D骨干，探索多模态融合效果。在2D骨干中，我们的金字塔状卷积捕获了详细的上下文特征。EPDet在密集对象场景中表现良好，这要归功于BEV Offset Transformer捕捉的整个场景全局特征。在多类别测试中，由于Focal Conv和金字塔状Conv表示的更精细的特征，EPDet在检测较小对象方面表现出色。在实验中，作为一种即插即用的模块，我们验证了BEV Offset Transformer在单阶（SECOND），双阶（Voxel-RCNN）和多阶（CasA）算法中的有效性。鲁棒性在KITTI、NuScenes和ONCE数据集上进行了测试。在KITTI子集中，基于CasA的EPDet在汽车类别中实现了惊人的85.56%准确度。基于Voxel-RCNN的EPDet在多类别检测的中等子集中超过了基线1.65%的mAP（平均精度）。EPDet的精度与基于点云的SotA（最新技术）3D室外物体检测器相当。

图1. EPDet的网络架构。

图2. 多模态Focal Conv变体的广泛研究。

图3. BEV Offset Transformer的玩具示例。彩色视图效果更佳。

图4. BEV Offset Transformer的框架。

图5. Pyramid-like Conv的框架。

图6. KITTI验证集的定性结果示例。我们展示了包括乡村、城市和高速公路在内的四个不同场景的检测结果。地面真实值、CasA（Wu等人，2022a）和EPDet（CasA）分别以绿色、蓝色和橙色表示。（对于本图例中颜色的解释，请参阅本文的网络版本。）