FGR：面向弱监督三维车辆检测的视锥感知几何推理
计算机视觉与模式识别
2021-05-18 v1
摘要
本文研究弱监督三维车辆检测问题。传统的三维目标检测方法需要大量人工标注的三维数据作为监督信号。然而，标注大规模数据集需要巨大的人力投入，尤其在三维区域。为应对该问题，我们提出视锥感知几何推理（FGR）以在点云中检测车辆而无需任何三维标注。我们的方法包含两个阶段：粗粒度三维分割与三维边界框估计。第一阶段设计了一种上下文感知的自适应区域生长算法，基于二维边界框分割目标。利用预测出的分割掩码，我们在第二阶段开发了一种抗噪声方法来估计三维边界框。最后，由本方法生成的三维伪标签被用于训练一个三维检测器。在无需任何三维真值的情况下，FGR在KITTI数据集上达到了与全监督方法相当的性能。结果表明，仅借助二维边界框与稀疏点云即可在三维空间中准确检测目标。
引用
@article{arxiv.2105.07647,
title = {FGR: Frustum-Aware Geometric Reasoning for Weakly Supervised 3D Vehicle Detection},
author = {Yi Wei and Shang Su and Jiwen Lu and Jie Zhou},
journal= {arXiv preprint arXiv:2105.07647},
year = {2021}
}
备注
Accepted to ICRA 2021