摘要

为应对稀疏且无结构的原始点云数据，基于LiDAR的三维目标检测研究主要聚焦于设计专用的局部点聚合模块，以实现细粒度的几何建模。本文从计算资源分配的角度重新审视了局部点聚合机制。我们发现，尽管结构最为简单的基于柱状体（pillar-based）模型，在精度与延迟之间取得了出人意料的平衡，表现优异。此外，我们还证明了对二维目标检测成功经验的最小化改进——例如扩大感受野——即可显著提升检测性能。大量实验表明，通过在架构设计与训练策略上进行现代化改进，我们提出的基于柱状体的网络在两个主流基准数据集（Waymo Open Dataset 和 nuScenes）上均达到了当前最先进的性能水平。这一结果挑战了主流观点，即精细的几何建模是实现高精度三维目标检测的必要条件。