P2B：用于点云中三维目标跟踪的点到框网络
计算机视觉与模式识别
2020-05-29 v1
摘要
针对点云中的三维目标跟踪，以一种端到端学习方式提出了一种称为 P2B 的新颖点到框网络。我们的主要思路是先在嵌入目标信息的三维搜索区域中定位潜在目标中心，再联合执行点驱动的三维目标提议与验证，从而规避耗时的三维穷举搜索。具体而言，我们首先分别从模板与搜索区域的点云中采样种子点，随后执行置换不变特征增强，将模板中的目标线索嵌入搜索区域种子点并以目标特定特征表示它们。进而，增强后的搜索区域种子点通过霍夫投票回归潜在目标中心，这些中心由逐种子点目标性分数进一步强化。最后，每个中心聚类其邻域以借助集成能力联合进行三维目标提议与验证。我们采用 PointNet++ 作为骨干网络，在 KITTI 跟踪数据集上的实验证明了 P2B 的优越性（较最先进方法约提升 10%）。需注意，P2B 在单块 NVIDIA 1080Ti GPU 上可以 40FPS 运行。我们的代码与模型见 https://github.com/HaozheQi/P2B。
引用
@article{arxiv.2005.13888,
title = {P2B: Point-to-Box Network for 3D Object Tracking in Point Clouds},
author = {Haozhe Qi and Chen Feng and Zhiguo Cao and Feng Zhao and Yang Xiao},
journal= {arXiv preprint arXiv:2005.13888},
year = {2020}
}
备注
Accepted by CVPR 2020 (oral)