针对PointRCNN(3D Object Proposal Generation and Detection from Point Cloud)在面对不规则点云时很难提取出有区别特征的问题,提出了一种Point-ANN(3D Object Proposal Generation and Aggregation Neural Network)的方法。整个框...针对PointRCNN(3D Object Proposal Generation and Detection from Point Cloud)在面对不规则点云时很难提取出有区别特征的问题,提出了一种Point-ANN(3D Object Proposal Generation and Aggregation Neural Network)的方法。整个框架分为2个阶段。第一个阶段是自下而上生成3D建议,第二阶段执行建议的RoI的感知点云汇集操作,对每个3D方案中的点云信息进行分组,并在坐标中改进3D建议。引入RoI感知点云汇集模块来消除点云上进行区域合并时的模糊性,从而更容易地提取出有区别的特征。通过在KITTI数据集上证明了改进的Point-ANN方法相比于其他网络在3D点云目标检测时精度更高。展开更多
文摘针对PointRCNN(3D Object Proposal Generation and Detection from Point Cloud)在面对不规则点云时很难提取出有区别特征的问题,提出了一种Point-ANN(3D Object Proposal Generation and Aggregation Neural Network)的方法。整个框架分为2个阶段。第一个阶段是自下而上生成3D建议,第二阶段执行建议的RoI的感知点云汇集操作,对每个3D方案中的点云信息进行分组,并在坐标中改进3D建议。引入RoI感知点云汇集模块来消除点云上进行区域合并时的模糊性,从而更容易地提取出有区别的特征。通过在KITTI数据集上证明了改进的Point-ANN方法相比于其他网络在3D点云目标检测时精度更高。
