基于角度特征学习的图神经网络在点云三维目标检测中的应用
计算机视觉与模式识别
2021-08-03 v1 机器学习
摘要
本文提出用于点云中三维目标检测的新特征编码方法。我们使用图神经网络(GNN)检测三维目标,即汽车、行人和骑行者。特征编码是三维目标检测的重要步骤之一。所使用的数据集为点云数据,其不规则且无结构,需要以能确保更好特征封装的方式进行编码。已有工作使用相对距离作为特征编码方法之一,这些方法对图神经网络中的旋转方差问题不具备鲁棒性。我们在图神经网络执行特征编码时引入了基于角度的度量。此外,我们对绝对距离、相对距离、欧氏距离以及角度与相对方法组合等其他方法进行了比较。该模型在资源受限条件下于 KITTI 目标检测基准数据集的子集上训练和评估。我们的结果表明,角度度量与相对距离的组合优于其他方法,相较于基线方法(相对距离)取得了更好的性能。我们还对各种特征编码方法进行了时间分析。
引用
@article{arxiv.2108.00780,
title = {Angle Based Feature Learning in GNN for 3D Object Detection using Point Cloud},
author = {Md Afzal Ansari and Md Meraz and Pavan Chakraborty and Mohammed Javed},
journal= {arXiv preprint arXiv:2108.00780},
year = {2021}
}
备注
Accepted in MISP2021