CenterNet3D: An Anchor free Object Detector for Autonomous Driving
作者团队：吉林大学&中科院&中山大学等
论文下载链接： https:// arxiv.org/abs/2007.0721 4
注1：如果上述链接无法访问或者下载速度过慢，可以看文末，已上传至百度云，方便下载
注2：Anchor-free火于目标检测（19年初到现在），而现在Anchor-free + x的组合研究越来越多了，如应用到目标跟踪、3D目标检测等
CenterNet3D：一阶段、anchor-free、无NMS的3D目标检测新网络，性能优于PointPillars、TANet和SECOND等网络，速度可达26 FPS！
CenterNet3D
从点云进行准确，快速的3D目标检测是自动驾驶的关键任务。现有的一阶段3D目标检测方法可以实现实时性能，但是，它们被基于anchor的检测器所支配，该检测器效率低下并且需要额外的后处理。
在本文中，我们消除了anchor，并将对象建模为其边界框中心点的单个点。基于中心点，我们提出了anchor-free的CenterNet3D网络，该网络无需anchhor即可执行3D目标检测。
我们的CenterNet3D使用关键点估计来找到中心点并直接使3D边界框回归。但是，由于点云的固有稀疏性，因此3D对象中心点很可能位于空白区域，这使得难以估计准确的边界。
为了解决这个问题，我们提出了一个辅助角点注意力模块，以强制CNN backbone更加关注对象边界，这对于获得更准确的边界框是有效的。此外，我们的CenterNet3D不受非极大值抑制的影响，这使其更有效，更简单。
实验结果
在KITTI基准上，我们提出的CenterNet3D与其他基于anchor的一阶段方法取得了竞争性性能，这些方法显示了我们提出的中心点表征的有效性。
