一种用于点云三维目标检测的密度感知PointRCNN
计算机视觉与模式识别
2021-01-11 v2
摘要
我们提出了PointRCNN的改进版本用于三维目标检测，其中采用多分支骨干网络来处理点云的非均匀密度。提出了一种基于不确定性的采样策略以应对不同点云的分布差异。新模型在KITTI验证集上比基线PointRCNN的性能高出约0.8 AP。此外，一种在每个集抽象层使用单尺度分组的简化模型能以更少的计算成本取得具有竞争力的性能。
引用
@article{arxiv.2009.05307,
title = {A Density-Aware PointRCNN for 3D Object Detection in Point Clouds},
author = {Jie Li and Yu Hu},
journal= {arXiv preprint arXiv:2009.05307},
year = {2021}
}