Wir beschäftigen uns mit dem Problem der Echtzeit-3D-Objekterkennung aus Punktwolken im Kontext des autonomen Fahrens. Geschwindigkeit ist entscheidend, da die Erkennung ein notwendiger Bestandteil für die Sicherheit ist. Vorhandene Ansätze sind jedoch aufgrund der hohen Dimensionalität von Punktwolken rechnerisch teuer. Wir nutzen die 3D-Daten effizienter, indem wir die Szene aus der Vogelperspektive (Bird's Eye View, BEV) darstellen, und schlagen PIXOR vor, einen vorschlagsfreien, einstufigen Detektor, der orientierte 3D-Objekt-Schätzungen aus pixelweise neuronalen Netzwerkvorhersagen ausgibt. Die Eingaberepräsentation, die Netzwerkarchitektur und die Modelloptimierung sind speziell darauf ausgelegt, hohe Genauigkeit und Echtzeiteffizienz zu balancieren. Wir validieren PIXOR an zwei Datensätzen: dem KITTI BEV-Objekterkennungsbenchmark und einem großangelegten 3D-Fahrzeugerkennungsbenchmark. In beiden Datensätzen zeigen wir, dass der vorgeschlagene Detektor andere state-of-the-art Methoden insbesondere hinsichtlich der Average Precision (AP) übertrifft und dabei weiterhin mit 10 FPS läuft.
Yang et al. (Freitag) haben diese Frage untersucht.