Toward Robust LiDAR based 3D Object Detection via Density-Aware Adaptive Thresholding

要約

堅牢な 3D オブジェクト検出は、フィールド ロボット工学における自律移動システムにとって中心的な課題です。
この問題に取り組むために、多くの研究者がデータセット内の 3D オブジェクト検出パフォーマンスの向上を実証してきました。
ただし、構造化されていない動的な状況を伴う現実世界の都市シナリオでは、依然として多数の誤検知が発生する可能性があり、堅牢な 3D 物体検出モデルにとって課題となっています。
この論文では、自車両からの距離に基づいて物体検出のしきい値を動的に調整する後処理アルゴリズムを紹介します。
3D 物体検出モデルは、通常、近くの物体を検出する場合には良好なパフォーマンスを発揮しますが、遠くにある物体に対しては次善のパフォーマンスを示す可能性があります。
従来の認識アルゴリズムは通常、後処理で単一のしきい値を使用しますが、提案されたアルゴリズムは、自車両からの距離に基づいて適応しきい値を使用することでこの問題に対処し、偽陰性を最小限に抑え、都市部のシナリオでの偽陽性を減らします。
その結果、都市部の動的な道路状況だけでなく、悪天候を伴うシナリオなど、さまざまなシナリオにわたって 3D 物体検出モデルのパフォーマンスが向上していることがわかります。

要約(オリジナル)

Robust 3D object detection is a core challenge for autonomous mobile systems in field robotics. To tackle this issue, many researchers have demonstrated improvements in 3D object detection performance in datasets. However, real-world urban scenarios with unstructured and dynamic situations can still lead to numerous false positives, posing a challenge for robust 3D object detection models. This paper presents a post-processing algorithm that dynamically adjusts object detection thresholds based on the distance from the ego-vehicle. 3D object detection models usually perform well in detecting nearby objects but may exhibit suboptimal performance for distant ones. While conventional perception algorithms typically employ a single threshold in post-processing, the proposed algorithm addresses this issue by employing adaptive thresholds based on the distance from the ego-vehicle, minimizing false negatives and reducing false positives in urban scenarios. The results show performance enhancements in 3D object detection models across a range of scenarios, not only in dynamic urban road conditions but also in scenarios involving adverse weather conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google