基于 Pointformer 的三维目标检测

由于三维点云数据的不规则性，从点云中进行三维目标检测的特征学习极具挑战性。本文中，我们提出 Pointformer，一种为三维点云设计以有效学习特征的 Transformer 骨干网络。具体而言，采用局部 Transformer 模块建模局部区域内点之间的交互，在目标层级学习上下文相关的区域特征。设计全局 Transformer 以在场景层级学习上下文感知表示。为进一步捕获多尺度表示间的依赖关系，我们提出局部-全局 Transformer 将来自更高分辨率的局部特征与全局特征相整合。此外，我们引入一个高效的坐标细化模块，将下采样点移近目标质心，从而改进目标提议生成。我们将 Pointformer 用作最先进目标检测模型的骨干网络，并在室内与室外数据集上展示相较原始模型的显著改进。