Benjin Zhu; Zhengkai Jiang; Xiangxin Zhou; Zeming Li; Gang Yu

摘要

本报告介绍了我们在CVPR 2019自动驾驶研讨会（Workshop on Autonomous Driving, WAD）举办的nuScenes 3D检测挑战赛[17]中获胜的方法。总体而言，我们利用稀疏3D卷积提取丰富的语义特征，然后将这些特征输入到一个类别平衡的多头网络中进行3D目标检测。为了应对自动驾驶场景中存在的严重类别不平衡问题，我们设计了一种类别平衡的采样和增强策略，以生成更加均衡的数据分布。此外，我们提出了一种平衡分组头（balanced grouping head），以提高形状相似类别的性能。根据挑战赛的结果，我们的方法在所有指标上大幅超越了PointPillars[14]基线方法，在nuScenes数据集上实现了最先进的检测性能。代码将在CBGS发布。