HPLFlowNet：用于大规模点云场景流估计的层次化置换晶格 FlowNet
计算机视觉与模式识别
2019-06-14 v1 机器学习
图像与视频处理
摘要
我们提出了一种新颖的端到端场景流估计深度神经网络架构，可直接处理大规模三维点云。受双边卷积层（BCL）启发，我们提出了新颖的 DownBCL、UpBCL 和 CorrBCL 操作，从非结构化点云中恢复结构信息，并融合来自两个连续点云的信息。我们的架构设计在离散且稀疏的置换晶格点上运行，在计算成本上较为精简。我们的模型可一次性高效处理一对点云帧，每帧最多 86K 个点。我们的方法在 FlyingThings3D 和 KITTI Scene Flow 2015 数据集上取得了最先进的性能。此外，在合成数据上训练后，我们的方法在无需微调的情况下，对真实世界数据和不同点密度表现出很强的泛化能力。
引用
@article{arxiv.1906.05332,
title = {HPLFlowNet: Hierarchical Permutohedral Lattice FlowNet for Scene Flow Estimation on Large-scale Point Clouds},
author = {Xiuye Gu and Yijie Wang and Chongruo wu and Yong-Jae lee and Panqu Wang},
journal= {arXiv preprint arXiv:1906.05332},
year = {2019}
}