抽象的

3D 检测器的部署是现实世界自动驾驶场景中的一项主要挑战。现有的基于 BEV（即鸟瞰图）的检测器倾向于使用稀疏卷积（称为 SPConv）来加速训练和推理，这为部署设置了硬障碍，尤其是对于设备上的应用而言。在本文中，为了从行业角度应对高效 3D 物体检测的挑战，我们设计了一种易于部署的基于支柱的 3D 检测器，称为 FastPillars。首先，我们引入了一种新颖的轻量级 Max-and-Attention Pillar 编码（MAPE）模块，专门用于增强小型 3D 物体。其次，我们提出了一个简单而有效的基于支柱的 3D 检测主干设计原则。我们基于这些设计构建了 FastPillars，无需 SPConv 即可实现高性能和低延迟。在两个大规模数据集上进行的大量实验证明了 FastPillars 在性能和速度方面对于设备上 3D 检测的有效性和效率。具体来说，FastPillars 在 Waymo Open Dataset 上实现了最先进的准确率，达到了 1.8×\times×速度比 CenterPoint（基于 SPConv）快 3.8 mAPH/L2。我们将发布我们的代码。