（附论文&代码）PanoNet3D：一种3D目标检测方法

点击左上方蓝字关注我们

全网搜集目标检测相关，人工筛选最优价值内容

编者荐语

2020年12月17日arXiv论文 “PanoNet3D: Combining Semantic and Geometric Understanding for LiDAR Point Cloud Detection“，作者来自CMU RI 研究所。

作者 | 黄浴@知乎

链接 | https://zhuanlan.zhihu.com/p/344409383

论文：https://arxiv.org/pdf/2012.09418.pdf

代码：https://github.com/poodarchu/Det3D

作者觉得大多数激光雷达检测方法只是利用目标几何结构，所以提出在一个多视角框架下学习目标的语义和结构特征，其利用激光雷达的特性，2D距离图像，以此提取语义特征。

该方法PanoNet3D结构如图：

上面分支，LiDAR点云作为输入，用几个简单的局部几何特征修饰原始点特征，包括全局位置、局部相对所在体素中心的位移。

体素化有两种：1）3D正常体素化；2）pillarization，类似PointPillars。

下面分支，点云转换为伪距图像，类似LaserNet，得到结果如下图：5个通道，range r, height h, elevation angle theta, reflectance i, occupancy mask m。

馈入2D Semantic FPN (SFPN)，获取每个像素的深度语义特征。将两个分支输出特征汇总并传递到主检测器。最终的框头部在BEV平面生成检测建议。单步检测器，基于anchor，预测朝向框以及置信度得分。

文中提出了时域多帧融合和空域多帧融合，前者简单，后者需要选择关键帧，如图是一个例子

这里取两帧n=2做实验。

检测头设计如图：初始特征128维，整个场景大小限制为[-51.2, 51.2] [-51.2, 51.2] [-3, 3]米，分别在x-y-z方向。网络由ResNet基本块几层组成。S表示每层步幅，N表示块数。生成的SFPN特征图具有和该层同样分辨率的，标记为红色。可以是，3D voxelize输入或者pillarize再输入。

数据增强类似SECOND，cropped线下存储，做随机全局变换，如translation、scaling、rotation等。

该文实现是基于Det3D：CBGS开源库

poodarchu/Det3Dgithub.com

结果：

END

双一流大学研究生团队创建，专注于目标检测与深度学习，希望可以将分享变成一种习惯！

整理不易，点赞三连↓