改进行人3D物体检测——用虚拟多视图合成方向方法

作者：Jason Ku,Alex D. Pon,Sean Walsh,Steven L. Waslander

摘要：准确估计行人的方向是自动驾驶的一项重要且具有挑战性的任务，因为这些信息对于跟踪和预测行人行为至关重要。本文提出了一种灵活的虚拟多视图合成模块，可以用于三维物体检测方法，以改善方向估计。该模块使用多步骤过程来获取精确定向估计所需的细粒度语义信息。首先，使用保持深度完成算法的结构来对场景的点云进行致密化，并且使用其对应的RGB像素对每个点进行着色。接下来，虚拟摄像机围绕着致密点云中的每个对象放置，以生成新颖的视点，从而保留对象的外观。我们表明，该模块极大地改善了KITTI基准测试中具有挑战性的行人等级的方向估计。当与开源3D探测器AVOD-FPN一起使用时，我们在行人方向，3D和鸟瞰视图基准测试中优于所有其他已发布的方法。

原文标题：Improving 3D Object Detection for Pedestrians with Virtual Multi-View Synthesis Orientation Estimation

原文链接：https://arxiv.org/abs/1907.06777