H3DNet：基于混合几何基元的3D目标检测
计算机视觉与模式识别
2020-07-27 v3
摘要
我们提出 H3DNet，其以无色 3D 点云为输入，输出一组有向目标包围盒（或 BB）及其语义标签。H3DNet 的核心思想在于预测一组混合几何基元，即 BB 中心、BB 面中心和 BB 边中心。我们展示了如何通过定义目标与几何基元之间的距离函数，将预测的几何基元转换为目标候选框。该距离函数支持对目标候选框进行连续优化，其局部极小值可提供高保真度的目标候选框。H3DNet 随后利用一个匹配与精修模块，将目标候选框分类为检测到的目标，并对检测目标的几何参数进行微调。混合几何基元集不仅比使用单一类型几何基元为目标检测提供更准确的信号，还为所得 3D 布局提供了一组过完备的约束。因此，H3DNet 能够容忍预测几何基元中的离群值。我们的模型在 ScanNet 和 SUN RGB-D 两个具有真实 3D 扫描的大型数据集上取得了最先进的 3D 检测结果。
引用
@article{arxiv.2006.05682,
title = {H3DNet: 3D Object Detection Using Hybrid Geometric Primitives},
author = {Zaiwei Zhang and Bo Sun and Haitao Yang and Qixing Huang},
journal= {arXiv preprint arXiv:2006.05682},
year = {2020}
}