TraIL-Det：用于3D LiDAR目标检测的变换不变局部特征网络及无监督预训练
原文中文，约200字，阅读约需1分钟。发表于：。本研究针对3D LiDAR目标检测中仅依赖坐标和点强度的问题，提出了变换不变局部特征（TraIL）及相应的TraIL-Det架构。TraIL特征具备刚性变换不变性，在点密度变化时有效适应，并通过改进局部几何捕捉和计算效率，显著提升检测性能，实验证明在KITTI和Waymo数据集上优于现有方法。
本文提出了一种基于可微分的表示变换模块的框架，使得3D物体检测与深度估计的深度神经网络能够在此统一的框架中进行端到端的训练。该框架与大多数目前最先进的神经网络兼容，并在KITTI基于图像的3D物体检测排行榜上获得最高名次。
