深度解析 | 港中文和商汤研究员提出高效的三维点云目标检测​新框架

From: CUHK 编译:T.R

激光雷达在自动驾驶、无人机和机器人领域受到越来越多的关注,对于点云的分类、检测和分割的视觉任务也在高速发展。但由于激光雷达产生的点云十分稀疏且不规则,图像领域的方法无法有效地拓展到三维点云的分析和处理中。

为了有效处理这一问题,来自香港中文大学和商汤的研究人员们通过对目标的部分感知和聚合对点云特征进行抽取和分析,提出了可以预测目标内部相对位置并给出三维候选框的网络架构;同时利用可差分的ROI-aware池化和点云聚合网络对内部信息进行提取和聚合;最后在目标内部各部分空间相关信息的辅助下实现了高效的三维点云目标检测算法Part-A^2 Net (Part-Aware and Aggregation)。

图中可以看到预测出的结果不仅包含了每个框的坐标,目标内部点的颜色还表示了每个点的相对位置,对于提高目标检测的性能十分重要。

目前的三维检测算法主要集中在以下几个方法

  • 一类方法将点云投影到鸟瞰视图下并利用2D的卷积网络进行特征抽取从而实现三维目标检测;

  • 微信扫一扫 分享到朋友圈
    微口订阅号

    关注订阅号

    社交媒体运营经验交流
    流量电商行业动态讨论

    热点事件
    微口订阅号

    关注订阅号

    社交媒体运营经验交流
    流量电商行业动态讨论

    阅读下一篇
    微口订阅号

    自媒体运营攻略
    行业经验交流

    关闭

    创建藏点

    藏点名称
    藏点说明
    藏点封面
    转藏至我的藏点 +新建藏点
      关闭
      确定 取消