佛跳墙 magnet

在基于LiDAR的点云中进行精确的三维物体检测,受到了数据稀少和不规则性的挑战。 现有的方法致力于有规律地组织点,例如,体素化,通过设计的二维/三维神经网络,然后定义物体级的锚点,利用所有感兴趣的物体上的点的集体证据来预测三维边界框的偏移量。 与最先进的基于锚的方法相反,基于数据稀少的本质,我们观察到即使是单个物体上的点也是关于该物体的语义信息的信息。 因此,我们在本文中论证了一种与现有方法相反的使用对象级锚的方法。 受组合模型的启发,我们建议将一个物体表示为其内部的非空体素的组合,称为热点,以及热点的空间关系。 这就产生了 "作为热点的物体"(OHS)的表述。 在OHS的基础上,我们进一步提出了一个无锚检测头,该检测头采用了一种新的地面真实分配策略,处理物体间的点疏散不平衡,以防止网络偏向于具有更多点的物体。 实验结果表明,我们提出的方法在点数较少的物体上有明显的效果。 值得注意的是,我们的方法在KITTI三维检测基准的自行车和行人检测中排名第一,并在NuScenes三维检测基准中取得了最先进的性能。 阅读更多PDF摘要

poro官网中文版天行加速器官网appxf9旋风ⅤPN连接下载instagram2020安卓中文版vpmaster中文下載