Real3D-Aug：通过放置真实物体并处理遮挡的点云增强方法用于三维检测与分割
计算机视觉与模式识别
2023-02-28 v2 人工智能
摘要
使用三维激光雷达点云数据进行目标检测和语义分割需要昂贵的标注。我们提出了一种数据增强方法，可多次利用已标注数据。我们提出了一种增强框架，其重用真实数据，自动在待增强场景中找到合适的放置位置，并显式处理遮挡。由于使用了真实数据，增强中新插入物体的扫描点保持了激光雷达的物理特性，如强度和射线丢失（raydrop）。该流程在训练高性能的三维目标检测和语义分割模型方面具有竞争力。相较于最先进技术，新增强方法在稀有且关键的类别上提供了显著的性能提升，特别是在 KITTI 目标检测中“困难”行人类别平均精度提升 6.65%，或在 SemanticKITTI 分割挑战中平均交并比（mean IoU）提升 2.14。
引用
@article{arxiv.2206.07634,
title = {Real3D-Aug: Point Cloud Augmentation by Placing Real Objects with Occlusion Handling for 3D Detection and Segmentation},
author = {Petr Šebek and Šimon Pokorný and Patrik Vacek and Tomáš Svoboda},
journal= {arXiv preprint arXiv:2206.07634},
year = {2023}
}
备注
Submitted on 15th June 2022 to IEEE RA-L journal