本文對基于雷射雷達的
無監督域自适應3D物體檢測
進行了研究,在
Waymo Domain Adaptation dataset
上,作者發現
點雲品質的惡化
是3D物件檢測器性能下降的主要原因。是以,作者提出了
Semantic Point Generation (SPG)
方法,首先
在前景點區域生成語義點雲資料,并且複原前景點物體缺失的部分
。然後,
将原始點雲與生成的語義點雲資料進行融合得到增強後的點雲資料
,再使用3D物體檢測器進行檢測。在
Waymo
和
KITTI
資料集上,本體提出的
SPG
方法都大幅提高了3D物檢檢測器的性能。
論文連結為:https://arxiv.org/pdf/2108.06709v1.pdf