PillarNet: Real-Time and High-Performance Pillar-based 3D Object Detection

要約

自動運転では、リアルタイムで高性能な3Dオブジェクト検出が非常に重要です。
最近の最高性能の3Dオブジェクト検出器は、主にポイントベースまたは3Dボクセルベースの畳み込みに依存しています。これらは両方とも、オンボード展開では計算効率が悪くなります。
対照的に、ピラーベースの方法は2D畳み込みのみを使用するため、計算リソースの消費量は少なくなりますが、検出精度はボクセルベースの方法よりもはるかに遅れます。
この論文では、ピラーベースの検出器とボクセルベースの検出器の間の主要なパフォーマンスのギャップを調べることにより、PillarNetと呼ばれるリアルタイムで高性能のピラーベースの検出器を開発します。
提案されたPillarNetは、効果的なピラー特徴学習のための強力なエンコーダネットワーク、空間セマンティック特徴融合のためのネックネットワーク、および一般的に使用される検出ヘッドで構成されています。
PillarNetは、2D畳み込みのみを使用して、オプションのピラーサイズに柔軟に対応し、VGGNetやResNetなどの従来の2D CNNバックボーンと互換性があります。さらに、PillarNetは、IoU対応の予測ブランチとともに設計された方向分離IoU回帰損失の恩恵を受けます。
大規模なnuScenesデータセットとWaymoOpenデータセットに関する広範な実験結果は、提案されたPillarNetが、有効性と効率の点で最先端の3D検出器よりも優れていることを示しています。
ソースコードはhttps://github.com/agent-sgs/PillarNet.gitで入手できます。

要約(オリジナル)

Real-time and high-performance 3D object detection is of critical importance for autonomous driving. Recent top-performing 3D object detectors mainly rely on point-based or 3D voxel-based convolutions, which are both computationally inefficient for onboard deployment. In contrast, pillar-based methods use solely 2D convolutions, which consume less computation resources, but they lag far behind their voxel-based counterparts in detection accuracy. In this paper, by examining the primary performance gap between pillar- and voxel-based detectors, we develop a real-time and high-performance pillar-based detector, dubbed PillarNet. The proposed PillarNet consists of a powerful encoder network for effective pillar feature learning, a neck network for spatial-semantic feature fusion and the commonly used detect head. Using only 2D convolutions, PillarNet is flexible to an optional pillar size and compatible with classical 2D CNN backbones, such as VGGNet and ResNet.Additionally, PillarNet benefits from our designed orientation-decoupled IoU regression loss along with the IoU-aware prediction branch. Extensive experimental results on large-scale nuScenes Dataset and Waymo Open Dataset demonstrate that the proposed PillarNet performs well over the state-of-the-art 3D detectors in terms of effectiveness and efficiency. The source code is available at https://github.com/agent-sgs/PillarNet.git.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google