抽象的

在本文中，我们呈现Lasernet，一种从LIDAR数据进行自主驾驶的LIDAR数据进行三维对象检测的计算高效方法。通过在传感器的天然范围视图中处理LIDAR数据的效率导致，其中输入数据自然是紧凑的。在范围内操作涉及众所周知的学习挑战，包括遮挡和比例变化，但它还提供了基于传感器数据的捕获方式的上下文信息。我们的方法使用完全卷积的网络来预测每个点的3D盒子的多模级分布，然后它有效地熔化这些分布以生成每个对象的预测。实验表明，每个检测为分布而不是单个确定性盒的建模导致更好的整体检测性能。基准结果表明，该方法的运行时间显着降低了除其他近期探测器的运行时间，并且它在具有足够数据的大型数据集中比较了最先进的性能，以克服在范围视图上的培训挑战。

作者

格雷戈里P. Meyer，Ankit Laddha.那埃里克·克那Carlos Vallespi-gonzalez那卡尔惠灵顿

会议

CVPR 2019.

全文

'Lasernet：自主驾驶的有效的概率3D对象检测器'（PDF）