达摩院的研究人员提出一个通用、高性能的检测器，在自动驾驶领域权威数据集KITTI BEV(鸟瞰)上，检测速度达到25FPS ，一举占据榜首，与排名第二的方案相比，减少了一半多，同时精度也远超其他的单阶段检测器。可以说首次实现3D物体检测精度与速度兼得。
达摩院研究团队表示：“检测器是自动驾驶系统的核心组件之一，但该领域一直缺少创新和突破，此次我们实现3D检测精度和速度的提升，将有助于提高自动驾驶系统的安全性。”
从实验结果来看，他们显然取得了良好进展，而且研究的主要完成人员(一作)，还是达摩院的实习生。
同时，该研究也得到了同行们的认可，被计算机视觉领域顶级会议CVPR 2020收录。他们是如何做到的呢?我们借助阿里达摩院提供的解读，一一来看。
如何实现精度和速度兼得?
众所周知，与普通2D图像识别应用不同，自动驾驶系统对精度和速度的要求更高，不仅需要快速识别周围环境的物体，还要对物体在三维空间中的位置做精准定位。
仅靠传感器和算法模型，通常无法平衡视觉识别的精度和速度。因此，检测器成为提升自动驾驶系统安全性的一个关键因素。
经过多年研究，当前业界主流的单阶段检测器在检测速度上很好，但在检测精度却差强人意。
这就是达摩院研究的出发点：寻找一种能二者兼得的方法。
他们提出的思路是：将两阶段检测器中对特征进行细粒度刻画的思想，移植到单阶段检测中。
在他们的模型中，用于部署的检测器， 即推断网络， 由一个骨干网络和检测头组成。
骨干网络用3D的稀疏网络实现，用于提取含有高语义的体素特征。检测头将体素特征压缩成鸟瞰图表示，并在上面运行2D全卷积网络来预测3D物体框。
他们在训练中利用一个辅助网络将单阶段检测器中的体素特征，转化为点级特征并施加一定的监督信号。
在实现上，他们将卷积特征中的非零信号映射到原始的点云空间中， 然后在每个点上进行插值，来获取卷积特征的点级表示。使得卷积特征也具有结构感知能力，来提高检测精度。
而在做模型推断时，辅助网络并不参与计算(detached)，保证单阶段检测器的检测效率。
另外，他们还提出一个工程上的改进：Part-sensitive Warping (PSWarp)，用于处理单阶段检测器中存在的 “框-置信度-不匹配” 问题。
核心思路是：利用采样器， 用生成的采样网格在对应的局部敏感特征图上进行采样，生成对齐好的特征图。最终能反映置信度的特征图，是K个对齐好特征图的平均。
单阶段方法，能达到两阶段方法精度
阿里达摩院的研究人员，在KITTI数据集上评估了方法的有效性。下图(PR Curve)中，实线为两阶段方法， 虚线为单阶段方法。
可以看出，达摩院提出的单阶段方法(黑色)能够达到两阶段方法才能达到的精度。
可以看出，他们提出的方法，可以在不增加额外计算量的情况下，达到25FPS 的检测速度，而且还能保持精度。具体的检测效果如下：
两位共同一作，都是达摩院研究实习生
研究论文，标题为“Structure Aware Single-Stage 3D Object Detection from Point Cloud”，共有5名研究人员参与，分别来自阿里达摩院和香港理工大学。
第一作者是Chenhang He，是阿里达摩院的研究实习生，正在香港理工大学读博，预计2022年毕业。
他的导师是达摩院高级研究员、香港理工大学电子计算学系讲座教授、IEEE Fellow张磊，也是这一研究的通讯作者。
另一位第一作者Hui Zeng，也是是阿里达摩院的研究实习生，同样是张磊的博士生，预计在今年毕业。
其他作者，分别是达摩院高级研究员、IEEE Fellow华先胜、达摩院资深算法专家黄建强等。
