RBGNet：基于射线的分组用于三维目标检测
计算机视觉与模式识别
2022-04-06 v1
摘要
作为计算机视觉中的基本问题，三维目标检测正经历快速增长。为从不规则且稀疏分布的点中提取逐点特征，以往方法通常采用特征分组模块将点的特征聚合为一个目标候选。然而，这些方法尚未利用前景目标的表面几何来增强分组与三维框生成。本文中，我们提出 RBGNet 框架，一种基于投票的三维检测器，用于从点云中准确检测三维目标。为学习更好的目标形状表示以增强用于预测三维框的簇特征，我们提出一种基于射线的特征分组模块，其利用一组从簇中心均匀发射的确定射线聚合目标表面上的逐点特征。考虑到前景点对于框估计更有意义，我们在下采样过程中设计了一种新颖的前景偏置采样策略，以在目标表面采样更多点并进一步提升检测性能。我们的模型在 ScanNet V2 和 SUN RGB-D 上取得了最先进（SOTA）的三维检测性能，并获得显著的性能提升。代码将发布于 https://github.com/Haiyang-W/RBGNet。
引用
@article{arxiv.2204.02251,
title = {RBGNet: Ray-based Grouping for 3D Object Detection},
author = {Haiyang Wang and Shaoshuai Shi and Ze Yang and Rongyao Fang and Qi Qian and Hongsheng Li and Bernt Schiele and Liwei Wang},
journal= {arXiv preprint arXiv:2204.02251},
year = {2022}
}