MoNet：基于运动的的点云预测网络
计算机视觉与模式识别
2020-11-24 v1
摘要
预测未来可显著提升智能车辆的安全性，这是自动驾驶中的关键组成部分。三维点云精确建模了周围环境的三维信息，对智能车辆感知场景至关重要。因此，三维点云的预测对智能车辆具有重要意义，可用于众多后续应用。然而，由于点云是无序且非结构化的，点云预测具有挑战性，且在现有文献中尚未被深入探索。本文提出一种名为 MoNet 的基于运动的新型神经网络。所提 MoNet 的核心思想是将连续两帧点云之间的运动特征整合到预测流程中。运动特征的引入使模型能更准确地捕捉跨帧运动信息的变化，从而对未来运动做出更好的预测。此外，引入内容特征以建模单帧点云的空间内容。提出一种名为 MotionRNN 的循环神经网络来捕捉两类特征的时间相关性。另外，我们提出一种基于注意力的运动对齐模块，以解决推理流程中运动特征缺失的问题。在两个大规模室外 LiDAR 数据集上的大量实验证明了所提 MoNet 的性能。此外，我们利用预测点云进行了应用实验，结果表明所提方法具有巨大的应用潜力。
引用
@article{arxiv.2011.10812,
title = {MoNet: Motion-based Point Cloud Prediction Network},
author = {Fan Lu and Guang Chen and Yinlong Liu and Zhijun Li and Sanqing Qu and Tianpei Zou},
journal= {arXiv preprint arXiv:2011.10812},
year = {2020}
}