摘要
基于激光雷达（LiDAR）点云的精准三维物体检测面临数据稀疏性和点云不规则性等挑战。现有方法通常试图将点云规则化组织，例如通过体素化（voxelization），再输入设计好的二维或三维神经网络，并基于目标物体上所有点的集体证据，定义物体级别的锚框（anchor），以预测三维边界框的偏移量。然而，与当前主流的基于锚框的方法不同，我们基于数据稀疏性的本质特征观察到：即使单个物体局部区域的点，也蕴含着关于该物体语义信息的丰富线索。因此，本文提出一种与现有方法相反的思路——摒弃物体级别的锚框机制。受组合模型（compositional models）的启发，该模型将物体建模为若干组成部分及其空间关系的组合，我们提出将物体表示为其内部非空体素（即“热点”，hotspots）及其热点之间空间关系的组合。这一新表示方法被称为“热点表示的物体”（Object as Hotspots, OHS）。基于OHS，我们进一步设计了一种无锚框检测头，并提出一种新颖的真值分配策略，有效缓解了不同物体间点云稀疏性不平衡的问题，防止网络对点数较多的物体产生偏好。实验结果表明，所提方法在点数较少的物体检测任务中表现尤为出色。尤为突出的是，在KITTI 3D检测基准测试中，本方法在自行车和行人检测任务上取得了第一名的成绩；在NuScenes 3D检测基准上也达到了当前最优（state-of-the-art）性能。