CenterPoint,2021CVPR,刷榜nuScenes和Waymo数据集。
作者是与2D版的CenterNet是同样的,看来是一个组出来的文章。
从网络结构上看,本文就是将CenterNet用到了基于点云的三维目标检测问题上,但本文的出现也证明了,Anchor Free的这种方法应用在基于点云的三维目标检测任务中也是可行的。
Introduction
CenterPoint这篇的Introduction细节地说明了该方法的想法来源。
作者认为,相比于2D目标检测,3D目标检测有以下3个不同:
1)点云更稀疏,在空间中有很多地方是没有点的,也就没有原始特征。
2)3D Box是不与坐标系平行的,起码在xy坐标轴方向是不平行的。不像2D Box,总是一个水平的长方形。
3)3D Box尺寸变化大。(但我认为这个不成问题,2D中的也变化大)
第1点,第3点先按下不说,来说第2点。方向角的存在,使得预先的与坐标轴平行的anchor对于3D box来说就不能说是一个很好的解决方案了。原文中说:“One solution might be to classify a different template (anchor) for each object orientation [58, 59], but this unnecessarily increases the computational burden and may introduce a large number of potential false-positive detections. We argue that the main underlying