PointRCNN：从点云生成三维目标候选并进行检测
计算机视觉与模式识别
2019-05-17 v2
摘要
本文中，我们提出 PointRCNN 用于从原始点云进行三维目标检测。整个框架由两阶段组成：阶段1用于自底向上的三维候选生成，阶段2用于在规范坐标中细化候选以获得最终检测结果。与以往方法从 RGB 图像生成候选或将点云投影到鸟瞰图或体素不同，我们的阶段1子网络通过将以整个场景的点云分割为前景点和背景，以自底向上的方式直接从点云生成少量高质量的三维候选。阶段2子网络将每个候选的池化点变换到规范坐标以学习更好的局部空间特征，这与阶段1中学习的每个点的全局语义特征相结合，用于精确的边界框细化和置信度预测。在 KITTI 数据集的三维检测基准上的大量实验表明，我们提出的架构仅使用点云作为输入即以显著优势优于最先进的方法。代码可在 https://github.com/sshaoshuai/PointRCNN 获取。
引用
@article{arxiv.1812.04244,
title = {PointRCNN: 3D Object Proposal Generation and Detection from Point Cloud},
author = {Shaoshuai Shi and Xiaogang Wang and Hongsheng Li},
journal= {arXiv preprint arXiv:1812.04244},
year = {2019}
}
备注
Accepted by CVPR 2019