SSN：用于点云多类目标检测的形状签名网络
计算机视觉与模式识别
2020-04-07 v1
摘要
多类 3D 目标检测旨在从点云中定位并分类多个类别的目标。由于点云非结构化、稀疏且含噪的特性，一些有益于多类判别的特征未被充分利用，例如形状信息。在本文中，我们提出了一种新颖的 3D 形状签名来探索点云中的形状信息。通过结合对称、凸包和 Chebyshev 拟合操作，所提出的形状签名不仅紧凑有效，而且对噪声具有鲁棒性，它作为一种软约束来提升多类判别的特征能力。基于所提出的形状签名，我们开发了用于 3D 目标检测的形状签名网络 (SSN)，它由金字塔特征编码部分、形状感知分组头和显式形状编码目标组成。实验表明，所提出的方法在两个大规模数据集上的表现显著优于现有方法。此外，我们的形状签名可以作为即插即用组件，消融研究显示了其有效性和良好的可扩展性。
引用
@article{arxiv.2004.02774,
title = {SSN: Shape Signature Networks for Multi-class Object Detection from Point Clouds},
author = {Xinge Zhu and Yuexin Ma and Tai Wang and Yan Xu and Jianping Shi and Dahua Lin},
journal= {arXiv preprint arXiv:2004.02774},
year = {2020}
}
备注
Code is available at https://github.com/xinge008/SSN