规范投票：面向三维场景中鲁棒有向边界框检测
计算机视觉与模式识别
2022-03-10 v3
摘要
得益于传感器与点云深度学习方法的进展，三维目标检测已引起广泛关注。当前最先进的方法如 VoteNet 通过额外的多层感知机网络直接回归至目标中心与边界框朝向的偏移量。由于旋转分类固有的困难，其偏移与朝向预测均不够准确。在本工作中，我们将直接偏移解耦为局部规范坐标（LCC）、边界框尺度与边界框朝向。仅回归 LCC 与边界框尺度，而边界框朝向由一种规范投票方案生成。最后，一种 LCC 感知的反投影检测算法从生成的投票图中迭代裁出边界框，并消除假阳性。我们的模型在三个标准真实世界基准 ScanNet、SceneNN 与 SUN RGB-D 上取得了最先进的性能。我们的代码发布于 https://github.com/qq456cvb/CanonicalVoting。
引用
@article{arxiv.2011.12001,
title = {Canonical Voting: Towards Robust Oriented Bounding Box Detection in 3D Scenes},
author = {Yang You and Zelin Ye and Yujing Lou and Chengkun Li and Yong-Lu Li and Lizhuang Ma and Weiming Wang and Cewu Lu},
journal= {arXiv preprint arXiv:2011.12001},
year = {2022}
}
备注
Accepted to CVPR2022