FastPillars：一种易于部署的基于柱状结构的3D检测器

《IEEE Transactions on Circuits and Systems for Video Technology》：FastPillars: A Deployment-friendly Pillar-based 3D Detector

针对自动驾驶中3D检测器的部署挑战，提出FastPillars方案。通过MAPE模块增强小目标检测，结合轻量化骨干网络提升特征表示，无需SPConv实现实时检测。在Waymo数据集上较CenterPoint实现1.8倍加速和3.8 mAPH/L2增益。

　　

摘要：

在现实世界的自动驾驶场景中，3D检测器的部署是一个主要挑战。现有的基于Bird Eye View（BEV）的检测器倾向于使用稀疏卷积（SPConv）来加速训练和推理过程，但这给实际应用带来了很大障碍，尤其是在设备端的应用中。为了解决这一挑战，本文从行业角度出发，提出了一种易于部署的基于柱状结构的3D检测器——FastPillars。具体来说，我们首先设计了一种新型的轻量级Max-and-Attention Pillar Encoding（MAPE）模块，用于增强对小物体的检测能力；其次，我们提出了一种简单而有效的基于柱状结构的3D检测框架，以提升柱状数据的表示效果。基于这些设计，FastPillars在不使用SPConv的情况下实现了高性能和低延迟。在两个大规模数据集上的广泛实验表明，FastPillars在设备端3D检测方面具有出色的性能和效率。在Waymo Open数据集上，FastPillars的准确率达到了实时领域的领先水平，同时速度提升了1.8倍，MAAPH/L2指标也比基于SPConv的CenterPoint模型提高了3.8倍。代码即将公开：https://github.com/StiphyJay/FastPillars。