DPointNet：一种面向点云三维目标检测的密度导向 PointNet
计算机视觉与模式识别
2021-02-09 v1
摘要
对于当前的目标检测器，特征提取算子的感受野尺度通常逐层增大。这些算子在本文中称为尺度导向算子，例如 CNN 中的卷积层与 PointNet++ 中的集合抽象层。尺度导向算子适用于包含多尺度物体的 2D 图像，但对于具有多密度但尺度不变物体的 3D 点云而言并不自然。本文提出一种新颖的密度导向 PointNet（DPointNet）用于点云中的 3D 目标检测，其中点的密度逐层增加。在目标检测实验中，DPointNet 被应用于 PointRCNN，结果表明采用新算子的模型相较基线 PointRCNN 能取得更优性能与更高速度，验证了所提 DPointNet 的有效性。
引用
@article{arxiv.2102.03747,
title = {DPointNet: A Density-Oriented PointNet for 3D Object Detection in Point Clouds},
author = {Jie Li and Yu Hu},
journal= {arXiv preprint arXiv:2102.03747},
year = {2021}
}