PointFusion：用于三维边界框估计的深度传感器融合
计算机视觉与模式识别
2018-08-28 v2
摘要
我们提出PointFusion，一种利用图像与三维点云信息的通用三维目标检测方法。不同于现有或使用多阶段流水线或持有传感器与数据集特定假设的方法，PointFusion在概念上简单且与应用无关。图像数据与原始点云数据分别由CNN与PointNet架构独立处理。所得输出随后由一种新颖的融合网络结合，该网络以输入三维点作为空间锚点，预测多个三维框假设及其置信度。我们在两个迥异的数据集上评估PointFusion：具有激光雷达-相机设置的驾驶场景KITTI数据集，以及使用RGB-D相机捕获室内环境的SUN-RGBD数据集。我们的模型是首个无需任何数据集特定模型调整即可在这些多样数据集上取得优于或与最先进方法相当性能的模型。
引用
@article{arxiv.1711.10871,
title = {PointFusion: Deep Sensor Fusion for 3D Bounding Box Estimation},
author = {Danfei Xu and Dragomir Anguelov and Ashesh Jain},
journal= {arXiv preprint arXiv:1711.10871},
year = {2018}
}
备注
CVPR 2018