PSA-Det3D: Pillar Set Abstraction for 3D object Detection

要約

3D 点群の小さなオブジェクトの検出は、次の 2 つの制限があるため、困難な問題です。(1) 小さなオブジェクトの認識は、有効なポイントがないため、通常のオブジェクトよりもはるかに困難です。
(2) 小さなオブジェクトは簡単にブロックされ、3D ポイント クラウド内のメッシュの形状が崩れます。
この論文では、ピラーセット抽象化（PSA）と前景ポイント補償（FPC）を提案し、ポイントベースの検出ネットワークPSA-Det3Dを設計して、小さなオブジェクトの検出パフォーマンスを向上させます。
PSA は、集合抽象化 (SA) に基づいてピラー クエリ操作を埋め込み、ネットワークの受容フィールドを拡張します。これにより、点ごとの特徴を効果的に集約できます。
より多くのオクルージョンされたオブジェクトを見つけるために、フォアグラウンド ポイント セグメンテーションと FPC モジュールで構成される提案生成レイヤーを使用します。
前景の点と推定された中心の両方が最終的に融合され、検出結果が生成されます。
KITTI 3D 検出ベンチマークでの実験は、提案された PSA-Det3D が小さな物体検出の高精度で他のアルゴリズムよりも優れていることを示しています。

要約(オリジナル)

Small object detection for 3D point cloud is a challenging problem because of two limitations: (1) Perceiving small objects is much more diffcult than normal objects due to the lack of valid points. (2) Small objects are easily blocked which breaks the shape of their meshes in 3D point cloud. In this paper, we propose a pillar set abstraction (PSA) and foreground point compensation (FPC) and design a point-based detection network, PSA-Det3D, to improve the detection performance for small object. The PSA embeds a pillar query operation on the basis of set abstraction (SA) to expand its receptive field of the network, which can aggregate point-wise features effectively. To locate more occluded objects, we persent a proposal generation layer consisting of a foreground point segmentation and a FPC module. Both the foreground points and the estimated centers are finally fused together to generate the detection result. The experiments on the KITTI 3D detection benchmark show that our proposed PSA-Det3D outperforms other algorithms with high accuracy for small object detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google