随着激光雷达在机器人，无人车的领域的推广应用，三维点云的相关处理技术作为高精地图、高精定位、环境检测等方向的核心模块越来越受到重视。现有的在点云中定位物体的单阶段检测器通常将物体定位和类别分类视为分开的任务，因此定位精度和分类置信度可能无法很好地对齐。本期我们邀请到了来自香港中文大学的郑武同学，分享他提出的新型检测方法，解决此问题。

讲者介绍

郑武：香港中文大学二年级博士研究生，本科毕业于清华大学自动化系，主要研究方向是自动驾驶场景下基于点云的三维物体检测。

报告题目：CIA-SSD：Confident IoU-Aware Single Stage Object Detector From Point Cloud

报告摘要：我们提出了一种新的单阶物体检测器，称为自信的IoU可知的单阶物体检测器（CIA-SSD）。首先，我们设计了轻量的空间语义特征聚合模块，以自适应地融合高级抽象语义特征和低级空间特征，用于准确预测边界框和分类置信度。另外，使用我们设计的IoU可知的置信度校正模块可以进一步校正预测的置信度，以使置信度与定位精度更加一致。基于校正后的置信度，我们进一步构造了距离可变的IoU加权NMS，以获得更平滑的回归并避免冗余的预测。我们将CIA-SSD在KITTI测试集中对3D汽车检测进行了测试，结果表明，它在官方排名尺度(Moderate AP)上取得了最高性能, 并达到了32 FPS的实时推理速度，优于所有以前的单阶段检测器。论文的代码在: https://github.com/Vegeta2020/CIA-SSD

Spotlight：