「自動(dòng)駕駛新青年講座」由智東西公開(kāi)課全新企劃，將邀請(qǐng)全球知名高校、頂尖研究機(jī)構(gòu)以及優(yōu)秀企業(yè)的新青年，主講在環(huán)境感知、精準(zhǔn)定位、決策規(guī)劃、控制執(zhí)行等自動(dòng)駕駛關(guān)鍵技術(shù)上的最新研究成果和開(kāi)發(fā)實(shí)踐。

「自動(dòng)駕駛新青年講座」目前已完結(jié)13講！有興趣分享的朋友，可以與智東西公開(kāi)課教研團(tuán)隊(duì)進(jìn)行郵件（class@zhidx.com）聯(lián)系。

激光雷達(dá)三維物體目標(biāo)檢測(cè)是自動(dòng)駕駛感知中的重要一環(huán)。伴隨著 Transformer 在圖像領(lǐng)域中的快速發(fā)展，如何在大規(guī)模激光雷達(dá)點(diǎn)云數(shù)據(jù)上，高效的使用 Transformer 結(jié)構(gòu)來(lái)提升網(wǎng)絡(luò)的性能給這個(gè)方向帶來(lái)了新的挑戰(zhàn)。相比于傳統(tǒng)的方法，Transformer 中的注意力機(jī)制可以幫助網(wǎng)絡(luò)捕捉到更多的全局和上下文信息。

來(lái)自圖森未來(lái)和中佛羅里達(dá)大學(xué)的研究者們，在 ECCV 2022 的工作中提出了一種基于中心點(diǎn)的激光雷達(dá)物體檢測(cè) Transformer 網(wǎng)絡(luò) CenterFormer。CenterFormer 將三維物體檢測(cè)劃分成了兩個(gè)步驟：首先，在三維網(wǎng)格空間內(nèi)使用熱力圖來(lái)挑選候選的物體中心點(diǎn)；然后，用這些候選中心點(diǎn)的特征信息來(lái)作為 Transformer 中的 query 來(lái)進(jìn)一步增強(qiáng)物體的特征信息并預(yù)測(cè)邊界框信息。

同時(shí)，為了進(jìn)一步融合來(lái)自時(shí)序的特征，他們也設(shè)計(jì)了一種通過(guò) Transformer 中交叉注意力來(lái)融合特征的方法，并添加回歸頭來(lái)預(yù)測(cè)輸出中心特征表示的邊界框，該設(shè)計(jì)降低了 Transformer 結(jié)構(gòu)在激光雷達(dá)點(diǎn)云上的收斂難度和計(jì)算復(fù)雜度。結(jié)果表明，在無(wú)錨目標(biāo)檢測(cè)網(wǎng)絡(luò)的強(qiáng)基線方面有顯著改進(jìn)。

CenterFormer 在 Waymo 開(kāi)放數(shù)據(jù)集上實(shí)現(xiàn)了單個(gè)模型的最高性能，驗(yàn)證集的 mAPH 為 73.7%，測(cè)試集的 mAPH 為 75.6%，顯著優(yōu)于所有先前發(fā)布的 CNN 和基于Transformer的方法。該成果也已被收錄為 ECCV 2022 Oral。

2月3日上午10點(diǎn)，「自動(dòng)駕駛新青年講座」第14講邀請(qǐng)到中佛羅里達(dá)大學(xué)在讀博士、CenterFormer一作周子翔參與，主講《基于 Transformer 激光雷達(dá) 3D 目標(biāo)檢測(cè)網(wǎng)絡(luò) CenterFormer》。

講者
周子翔，中佛羅里達(dá)大學(xué)在讀博士；主要研究興趣是三維視覺(jué)和激光雷達(dá)感知的應(yīng)用；在CVPR、ECCV、AAAI等學(xué)術(shù)會(huì)議上發(fā)表過(guò)多篇論文。

第14講

主 題
《基于 Transformer 激光雷達(dá) 3D 目標(biāo)檢測(cè)網(wǎng)絡(luò) CenterFormer》

提 綱
1、激光雷達(dá) 3D 目標(biāo)檢測(cè)算法研究
2、Transformer 與大規(guī)模激光雷達(dá)點(diǎn)云數(shù)據(jù)
3、基于中心點(diǎn)的激光雷達(dá)目標(biāo)檢測(cè) Transformer 網(wǎng)絡(luò)
4、與之前 CNN 和 Transformer 方法的對(duì)比

直 播 信 息
直播時(shí)間：2月3日10:00
直播地點(diǎn)：智東西公開(kāi)課知識(shí)店鋪

成果
CenterFormer：《CenterFormer: Center-based Transformer for 3DObject Detection》
?論文地址：https://arxiv.org/pdf/2209.05588v1.pdf
?開(kāi)源地址：https://github.com/TuSimple/centerformer