PC-RGNN：用于三维目标检测的点云补全与图神经网络
计算机视觉与模式识别
2020-12-23 v3
摘要
基于 LiDAR 的三维目标检测是自动驾驶中的一项重要任务，当前方法受限于远处及遮挡物体的稀疏且残缺的点云。本文提出一种新颖的两阶段方法，即 PC-RGNN，通过两种特定方案应对此类挑战。一方面，我们引入点云补全模块，以恢复具有原始结构保留的密集点及完整视图的高质量候选框。另一方面，设计了一个图神经网络模块，通过局部-全局注意力机制以及基于多尺度图的上下文聚合全面捕捉点间关系，显著增强编码特征。在 KITTI 基准上的大量实验表明，所提方法以显著优势超越先前最先进的基线，凸显其有效性。
引用
@article{arxiv.2012.10412,
title = {PC-RGNN: Point Cloud Completion and Graph Neural Network for 3D Object Detection},
author = {Yanan Zhang and Di Huang and Yunhong Wang},
journal= {arXiv preprint arXiv:2012.10412},
year = {2020}
}
备注
To appear at AAAI 2021