基于图初始网络的大规模三维点云表示及其在自动驾驶中的应用
信号处理
2019-06-28 v1 计算机视觉与模式识别
图像与视频处理
摘要
我们提出一种新颖的基于图神经网络的系统，用于有效表示大规模三维点云，并应用于自动驾驶。许多先前的工作基于两种方法研究三维点云的表示：体素化（会导致离散化误差）和学习（难以捕捉大规模场景中的巨大变化）。在本工作中，我们将体素化与学习相结合：将三维空间离散化为体素，并提出新颖的图初始网络来表示每个体素中的三维点。这种结合使系统避免了离散化误差，并能处理大规模场景。整个大规模三维点云系统的作用类似于二维图像的块离散余弦变换，因此我们称之为点云神经变换（PCT）。我们进一步将所提出的 PCT 应用于表示自动驾驶汽车产生的实时 LiDAR 扫描，带有图初始网络的 PCT 显著优于其竞争对手。
引用
@article{arxiv.1906.11359,
title = {Large-scale 3D point cloud representations via graph inception networks with applications to autonomous driving},
author = {Siheng Chen and Sufeng. Niu and Tian Lan and Baoan Liu},
journal= {arXiv preprint arXiv:1906.11359},
year = {2019}
}