FVNet：用于从点云实时目标检测的 3D 前视图提案生成
计算机视觉与模式识别
2019-11-27 v3
摘要
与 2D 对应任务相比，从原始稀疏点云进行 3D 目标检测迄今远未得到充分研究。本文中，我们提出一种称为 FVNet 的新颖框架，用于从点云进行 3D 前视图提案生成与目标检测。它包含两个阶段：前视图提案生成与 3D 边界框参数估计。不同于从相机图像或鸟瞰图生成提案，我们首先将点云投影到圆柱面上以生成保留丰富信息的前视图特征图。随后我们引入一个提案生成网络，从生成的特征图中预测 3D 区域提案，并进一步从整个点云中挤出感兴趣物体。最后，我们提出另一个网络从挤出的物体点中提取逐点特征，并在规范坐标中回归最终的 3D 边界框参数。我们的框架达到每点云样本 12ms 的实时性能。在 3D 检测基准 KITTI 上的大量实验表明，所提架构在准确率和推理时间上均优于以相机图像或点云为输入的 SOTA 技术。
引用
@article{arxiv.1903.10750,
title = {FVNet: 3D Front-View Proposal Generation for Real-Time Object Detection from Point Clouds},
author = {Jie Zhou and Xin Tan and Zhiwei Shao and Lizhuang Ma},
journal= {arXiv preprint arXiv:1903.10750},
year = {2019}
}
备注
10 pages, 6 figures