语义与几何信息在ToF物体定位中如何相互增强
计算机视觉与模式识别
2020-08-28 v1
摘要
我们提出一种新方法，从Time-of-Flight (ToF)传感器提供的强度与深度信息图像中定位3D物体。我们的方法使用两个CNN。第一个CNN以原始深度与强度图像为输入，分割地面像素，并据此估计相机的外参。第二个CNN负责分割感兴趣物体。作为主要创新，它利用第一个CNN预测估计的标定，将几何深度信息表示在附着于地面的坐标系中，从而与相机高度无关。实践中，像素相对于地面的高度以及点云法线方向均作为第二个CNN的输入。给定第二个CNN预测的分割，物体基于点云与参考模型的对齐实现定位。我们的实验表明，相比忽略标定与高度图的常规CNN架构，也相比PointNet++，我们所提两步法显著提升了分割与定位精度。
引用
@article{arxiv.2008.12002,
title = {How semantic and geometric information mutually reinforce each other in ToF object localization},
author = {Antoine Vanderschueren and Victor Joos and Christophe De Vleeschouwer},
journal= {arXiv preprint arXiv:2008.12002},
year = {2020}
}