PointINet：点云帧插值网络
计算机视觉与模式识别
2020-12-21 v1
摘要
激光雷达点云流在时间维度上通常较为稀疏，这受限于硬件性能。一般而言，机械激光雷达传感器的帧率为 10 至 20 Hz，远低于相机等其他常用传感器。为克服激光雷达传感器的时间局限性，本文研究了一项新任务，称为点云帧插值。给定两个连续的点云帧，点云帧插值旨在生成它们之间的中间帧。为此，我们提出了一种新颖的框架，即点云帧插值网络（PointINet）。基于所提方法，低帧率点云流可被上采样至更高帧率。我们首先估计两个点云之间的双向 3D 场景流，随后基于该 3D 场景流将它们扭曲至给定时间步。为融合两个扭曲帧并生成中间点云，我们提出了一种新颖的基于学习的点融合模块，该模块同时考虑两个扭曲点云。我们设计了定量与定性实验来评估点云帧插值方法的性能，并在两个大规模室外激光雷达数据集上的大量实验证明了所提 PointINet 的有效性。我们的代码可在 https://github.com/ispc-lab/PointINet.git 获取。
引用
@article{arxiv.2012.10066,
title = {PointINet: Point Cloud Frame Interpolation Network},
author = {Fan Lu and Guang Chen and Sanqing Qu and Zhijun Li and Yinlong Liu and Alois Knoll},
journal= {arXiv preprint arXiv:2012.10066},
year = {2020}
}
备注
Accepted to AAAI 2021