BoundED: Neural Boundary and Edge Detection in 3D Point Clouds via Local Neighborhood Statistics

要約

3D 点群から高レベルの構造情報を抽出することは困難ですが、目の前のシーンの高度な理解を必要とする都市計画や自動運転などのタスクには不可欠です。
既存のアプローチでは、双方向性を必要とするシナリオに展開するのに十分な速さでありながら、高品質の結果を一貫して生成することはまだできていません。
単純でコンパクトな分類ネットワークの入力として、一次および二次統計を介してポイントごとにローカル近傍を記述する新しい機能セットを利用して、
与えられたデータ。
この機能の埋め込みを活用することで、アルゴリズムは品質と処理時間の点で最先端の技術よりも優れています。

要約(オリジナル)

Extracting high-level structural information from 3D point clouds is challenging but essential for tasks like urban planning or autonomous driving requiring an advanced understanding of the scene at hand. Existing approaches are still not able to produce high-quality results consistently while being fast enough to be deployed in scenarios requiring interactivity. We propose to utilize a novel set of features describing the local neighborhood on a per-point basis via first and second order statistics as input for a simple and compact classification network to distinguish between non-edge, sharp-edge, and boundary points in the given data. Leveraging this feature embedding enables our algorithm to outperform the state-of-the-art techniques in terms of quality and processing time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google