SEGUNDO: Detección Convolucional Sparsamente Incrustada

La detección de objetos basada en LiDAR o RGB-D se utiliza en numerosas aplicaciones, que van desde la conducción autónoma hasta la visión robótica. Las redes convolucionales 3D basadas en vóxeles se han utilizado durante algún tiempo para mejorar la retención de información al procesar datos de nubes de puntos LiDAR. Sin embargo, siguen existiendo problemas, incluidos una velocidad de inferencia lenta y un bajo rendimiento en la estimación de orientación. Por lo tanto, investigamos un método de convolución disperso mejorado para tales redes, que aumenta significativamente la velocidad tanto de entrenamiento como de inferencia. También introducimos una nueva forma de regresión de pérdida de ángulo para mejorar el rendimiento de la estimación de orientación y un nuevo enfoque de aumento de datos que puede mejorar la velocidad de convergencia y el rendimiento. La red propuesta produce resultados de vanguardia en los benchmarks de detección de objetos 3D KITTI mientras mantiene una velocidad de inferencia rápida.