BoxNet：从鸟瞰视点云估计二维包围盒的深度学习方法
计算机视觉与模式识别
2019-08-21 v1
摘要
我们提出一种基于学习的方法，从其二维鸟瞰（BEV）LiDAR 点估计物体包围盒。我们的方法称为 BoxNet，利用一个简单的深度神经网络来高效处理无序点。该方法以所有点的二维坐标作为输入，输出为一个向量，包含包围盒位姿（LiDAR 坐标系中的位置与朝向）及其尺寸（宽与长）。为处理角度不连续问题，我们提出估计双角正弦值而非角度本身。我们还预测相对于点云均值的中心以提升包围盒位置估计的性能。所提方法不依赖于许多现有方法中的点的顺序，并可根据从训练数据获得的先验信息准确预测包围盒的实际尺寸。BoxNet 使用 KITTI 3D 物体数据集进行了验证，相比最先进的非学习基方法有明显改进。
引用
@article{arxiv.1908.07085,
title = {BoxNet: A Deep Learning Method for 2D Bounding Box Estimation from Bird's-Eye View Point Cloud},
author = {Ehsan Nezhadarya and Yang Liu and Bingbing Liu},
journal= {arXiv preprint arXiv:1908.07085},
year = {2019}
}