SSC3OD：基于激光雷达点云的稀疏监督协同三维目标检测

• ​论文链接：​​https://arxiv.org/pdf/2307.00717.pdf​​

摘要

本文介绍了SSC3OD：基于激光雷达点云的稀疏监督协同三维目标检测。协同三维目标检测凭借其在多个智能体之间改进的交互优势，已经在自动驾驶中被广泛探索。然而，现有的完全监督的范式中的协同三维目标检测器严重依赖于大规模标注的三维边界框，这是费力且耗时的。为了解决这个问题，本文提出一种稀疏监督的协同三维目标检测框架SSC3OD，其仅需要每个智能体随机标注场景中一个目标。具体而言，该模型由两个新部分组成，即基于pillar的掩膜自动编码器（Pillar-MAE）和实例挖掘模块。Pillar-MAE模块旨在以自监督方式推断高级语义，而实例挖掘模块为协同检测器在线生成高质量的伪标注。通过引入这些简单而高效的机制，本文所提出的SSC3OD可以减轻非完整标注的不利影响。我们基于协同感知数据集生成稀疏标注来评估本文方法。在三个大规模数据集上进行的大量实验表明，本文所提出的SSC3OD可以有效地提高稀疏监督的协同三维目标检测器的性能。

主要贡献​

本文的贡献总结如下：

1）本文提出一种新型的框架，用于从激光雷达点云中进行稀疏监督的协同三维目标检测。据我们所知，这是首项研究稀疏标注场景中的协同三维目标检测；

2）本工作提出了两个有效的模块：Pillar-MAE，其以自监督方式推断高级语义，以及一个实例挖掘模块，其为协同检测器在线生成高质量的伪标注；

3）本文为三个大规模协同感知数据集生成稀疏标注的训练集，并且进行大量的实验来评估本文所提出模型的有效性。实验结果表明，本文方法可以显著提高稀疏监督的协同检测器的性能。

论文图片和表格

总结

本项工作提出了SSC3OD，其是一种稀疏监督的协同三维目标检测框架。所提出的框架包含两个关键的模块：Pillar-MAE和实例挖掘模块。Pillar-MAE以自监督方式提高编码器的三维感知能力，而实例挖掘模块为协同检测器在线生成高质量的伪标注。生成协同感知数据集的稀疏标注以评估所提出的框架。大量的实验表明，SSC3OD显著提高了稀疏监督的协同三维目标检测的性能。

文章转载自公众号：自动驾驶专栏