论文标题：

Real-Time and Robust 3D Object Detection Within Road-Side LiDARs Using Domain Adaptation

论文链接：https://arxiv.org/abs/2204.00132

这项工作旨在解决使用LiDAR进行3D检测的领域自适应方面的挑战。作者设计了DASE-ProPillars模型，可以实时检测基于激光雷达中的车辆。DASE-ProPillars使用PointPillars作为基线模型，并添加了其他模块，以提高3D检测性能。

为了证明在DASE-ProPillars中提出的模块的有效性，作者在两个数据集上训练和评估模型，一个是开源A9数据集，另一个是在Regensburg Next项目中创建的半合成基础设施数据集。对DASE ProPillars检测器中的每个模块进行了几组实验，表明DASE-ProPillars在真实A9测试集和半合成A9测试集中优于SE ProPilars基线，同时保持了45 Hz（22 ms）的推理速度。

通过应用迁移学习，将半合成A9数据集的域自适应应用于Regensburg Next项目的半合成数据集，并实现3DmAP@0.25，目标测试集的Car类的得分为93.49%。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除