Pillar-based Object Detection for Autonomous Driving（基于柱体的自动驾驶目标检测）论文笔记

byzy

已于 2022-07-27 21:59:54 修改

阅读量568

点赞数

分类专栏：激光雷达3D目标检测文章标签：柱体预测目标检测 BEV视图双线性插值类别不平衡

于 2022-07-27 20:30:32 首次发布

本文链接：https://blog.csdn.net/weixin_45657478/article/details/126013428

版权

激光雷达3D目标检测专栏收录该内容

15 篇文章 8 订阅

订阅专栏

原文链接：https://arxiv.org/pdf/2007.10323.pdf

1 引言

许多工作使用基于锚框的方法进行目标检测。锚框能提供有用的位置和姿态先验，但导致算法存在许多超参数和潜在的训练不稳定性。此外，正锚框的数量往往很少，分类时存在严重的类别不平衡性。

本文方法使用柱体预测网络，即对BEV上的每个柱体，直接预测最可能边界框的位置和姿态。该方法能提高性能。

此外，本文使用圆柱体视图来为BEV视图提供补充；使用双线性插值解决柱体到点投影的空间混叠（量化误差）问题。

3 方法

总体结构：如下图所示。点云分别投影到BEV和圆柱视图上，使用两个网络分别处理；然后使用与MVF相同的方法聚合不同视图的特征（使用插值将视图网格特征投影回点特征+拼接），最后特征重新投影到BEV，通过CNN处理，再使用分类头和回归头为每个BEV柱体预测结果。

圆柱视图：将点用柱坐标 $(\rho_i ,\phi_i,z_i)$ 表示不会产生 $z$ 方向的扭曲。有相同 $\phi$ 和 $z$ 的点被分为一组。

基于柱体的预测：分类头预测某个柱体匹配上真实物体的概率，回归头预测物体的位置偏差、对数尺寸和朝向。

对比：基于锚框的预测和基于柱体的预测。下图为BEV网格，左图的实线框为真实边界框，虚线框为锚框（其中红框为正锚框/与真实边界框IoU大于正阈值，黑框为负锚框/与真实边界框IoU小于负阈值，绿框为无效锚框/与真实边界框IoU在正负阈值之间）。基于锚框的预测在每个锚框上预测，而通常每个网格均会放置若干不同大小、朝向和长宽比的锚框。而基于柱体的预测仅在每个柱体上进行预测。

双线性插值：如下图所示，MVF使用最近邻插值，会导致落在同一柱体内的点有相同的特征；本文使用双线性插值解决这一问题。

损失函数：损失函数与SECOND相同，包含回归损失和分类损失。回归损失如下：

$\begin{aligned} L_{\textup{reg}}&=\textup{SmoothL1}(\theta^p-\theta^g)+\sum_{r\in\{x,y,z\}}\textup{SmoothL1}(r^p-r^g-\Delta_r)\\&+\sum_{r\in\{l,w,h\}}\textup{SmoothL1}(\log(r^g)-\Delta_r) \end{aligned}$

其中 $(\Delta_x,\Delta_y,\Delta_z,\Delta_l,\Delta_w,\Delta_h,\theta^p)$ 为3.4节中的回归值， $(x^p,y^p,z^p)$ 为柱体中心， $(x^g,y^g,z^g,l^g,w^g,h^g,\theta^g)$ 为真实边界框参数，且

$\textup{SmoothL1}=\left\{\begin{matrix} 0.5\cdot d^2\cdot \sigma^2 & ,\textup{if}\; |d|< 1/\sigma^2\\ |d|-1/2\sigma^2 & ,\textup{otherwise } \end{matrix}\right.$