【3D目标检测】谷歌--第一次使用LSTM在稀疏点云中进行3D目标检测

论文地址： https://arxiv.org/pdf/2007.12392.pdf

代码：

来源： 谷歌研究院

论文名称：An LSTM Approach to Temporal 3D Object Detection in LiDAR Point Clouds

原文作者：Rui Huang

内容提要

在3D激光雷达数据中检测物体是自动驾驶和其他机器人应用的核心技术。虽然激光雷达的数据是实时获取的，但是大部分的3D目标检测算法都为每一帧独立地提出了目标边界框，而忽略了时域中可用的有用信息。为了解决上述问题，本文提出了一种稀疏的基于LSTM的多帧3D目标检测算法。使用U-Net风格的3D稀疏卷积网络提取每帧激光雷达点云的特征。将这些特性提供给LSTM模块，与上一帧的隐藏特性和记忆特性一起，来预测当前帧中的3D对象的隐藏特性和记忆特性，并且传递给下一帧。在Waymo Open Dataset上的实验表明，在每帧使用更少的内存和计算量的同时，我们的算法每帧比传统的逐帧算法提高了7.5% mAP@0.7，比其他多帧算法的性能提高了1.2%。据我们所知，这是第一次使用LSTM在稀疏点云中进行3D对象检测。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。