PanoNet3D：融合语义与几何理解用于LiDAR点云检测
计算机视觉与模式识别
2020-12-18 v1
摘要
自动驾驶感知中的视觉数据，如相机图像与LiDAR点云，可解释为两个方面的混合：语义特征与几何结构。语义来源于物体相对于传感器的外观与上下文，而几何结构是点云实际的3D形状。大多数LiDAR点云上的检测器仅关注分析真实3D空间中物体的几何结构。与以往工作不同，我们提出通过统一的多元视图框架学习语义特征与几何结构。我们的方法利用LiDAR扫描的本质——2D距离图像，并应用研究充分的2D卷积来提取语义特征。通过融合语义与几何特征，我们的方法在所有类别上以大幅优势优于state-of-the-art方法。融合语义与几何特征的方法学为看待真实世界3D点云检测问题提供了独特的视角。
引用
@article{arxiv.2012.09418,
title = {PanoNet3D: Combining Semantic and Geometric Understanding for LiDARPoint Cloud Detection},
author = {Xia Chen and Jianren Wang and David Held and Martial Hebert},
journal= {arXiv preprint arXiv:2012.09418},
year = {2020}
}
备注
3DV2020