通过跨物体与视角剔除激光雷达离群点将二维物体位置提升为三维
计算机视觉与模式识别
2021-10-12 v2 机器学习
摘要
我们提出一个将 2D 掩码物体预测与原始 LiDAR 点云自动转换为物体完整 3D 包围盒的系统。由于 LiDAR 点云是局部的，直接对点云拟合包围盒毫无意义。相反，我们认为获得良好结果需要跨多帧在数据集内所有物体之间联合共享信息。随后我们对基线做了三项改进。首先，我们通过在该空间内直接优化来解决物体旋转预测中的歧义，同时仍通过模型反向传播旋转预测。其次，我们显式建模离群点，并让网络学习任务其典型模式，从而更好地剔除它们。第三，当视频数据可用时，我们强制时间一致性。凭借这些贡献，尽管先前方法使用了显著更复杂的流程、3D 模型及额外人工标注的先验信息外部来源，我们的方法仍大幅优于以往工作。
引用
@article{arxiv.2109.07945,
title = {Lifting 2D Object Locations to 3D by Discounting LiDAR Outliers across Objects and Views},
author = {Robert McCraith and Eldar Insafutdinov and Lukas Neumann and Andrea Vedaldi},
journal= {arXiv preprint arXiv:2109.07945},
year = {2021}
}
备注
ICRA 2022 submission