用于三维目标检测的加权无监督学习
计算机视觉与模式识别
2018-10-24 v2 图形学
机器学习
多媒体
机器人学
摘要
本文提出了一种利用 RGB-D 相机进行目标检测的崭新加权无监督学习法。该技术在由 RGB-D 相机捕获的噪声环境中能够可行地检测运动物体。本文的主要贡献是一种实时算法，该算法使用加权聚类将每个物体作为独立簇进行检测。在预处理步骤中，算法计算每个数据点的姿态三维位置 X、Y、Z 与 RGB 颜色，随后利用点的邻域计算每个数据点的法向量。预处理后，我们的算法为每个数据点计算 k 个权重；每个权重指示隶属度。从而得到场景中的聚类物体。
引用
@article{arxiv.1602.05920,
title = {Weighted Unsupervised Learning for 3D Object Detection},
author = {Kamran Kowsari and Manal H. Alassaf},
journal= {arXiv preprint arXiv:1602.05920},
year = {2018}
}
备注
IJACSA