Unüberwachtes Objekterkennung mit LiDAR-Hinweisen

Trotz der Bedeutung der unbeaufsichtigten Objekterkennung gibt es, soweit wir wissen, keine vorhergehende Arbeit, die sich mit diesem Problem beschäftigt. Ein Hauptproblem, das der Gemeinschaft weithin bekannt ist, besteht darin, dass die objektrelevanten Grenzen, die lediglich aus dem 2D-Bildaussehen abgeleitet werden, mehrdeutig und unzuverlässig sind. Um dies zu beheben, verwenden wir LiDAR-Hinweise, um die unbeaufsichtigte Objekterkennung zu unterstützen. Durch die Ausnutzung der 3D-Szenenstruktur kann das Lokalisierungsproblem erheblich gemildert werden. Wir identifizieren außerdem ein weiteres großes Problem, das von der Gemeinschaft selten bemerkt wird: die lange und offene (Unter-)Kategoriedistribution sollte berücksichtigt werden. In diesem Papier präsentieren wir die erste praktische Methode zur unbeaufsichtigten Objekterkennung unter Nutzung von LiDAR-Hinweisen. In unserem Ansatz werden zunächst Kandidatenobjektsegmente auf Basis von 3D-Punktwolken generiert. Anschließend wird ein iterativer Segmentbeschriftungsprozess durchgeführt, um Segmentbeschriftungen zuzuweisen und ein Segmentbeschriftungsnetzwerk zu trainieren, das auf Merkmalen aus sowohl 2D-Bildern als auch 3D-Punktwolken basiert. Der Beschriftungsprozess ist sorgfältig so gestaltet, dass er das Problem der langen und offenen Verteilung mildert. Die endgültigen Segmentbeschriftungen werden als Pseudoannotationen für das Training des Objekterkennungsnetzwerks festgelegt. Umfangreiche Experimente mit dem großangelegten Waymo Open-Datensatz deuten darauf hin, dass die abgeleitete Methode zur unbeaufsichtigten Objekterkennung eine angemessene Genauigkeit im Vergleich zu starkem Supervision im LiDAR-sichtbaren Bereich erreicht.