Object Detection in 3D Point Clouds via Local Correlation-Aware Point Embedding

要約

Frustum PointNet (F-PointNet) に基づく点群データの 3D オブジェクト検出のための改善されたアプローチを提示します。
元の F-PointNet と比較して、新しく提案された方法は、ポイントの特徴を計算するときにポイントの近傍を考慮します。
新しく導入されたローカル近傍埋め込み操作は、2D ニューラル ネットワークの畳み込み操作を模倣しています。
したがって、各点の特徴は、それ自体または点群全体の特徴を使用して計算されるだけでなく、特にその近傍の特徴に関しても計算されます。
実験は、提案された方法が 3D オブジェクト検出タスクで F-Pointnet ベースラインよりも優れたパフォーマンスを達成することを示しています。

要約(オリジナル)

We present an improved approach for 3D object detection in point cloud data based on the Frustum PointNet (F-PointNet). Compared to the original F-PointNet, our newly proposed method considers the point neighborhood when computing point features. The newly introduced local neighborhood embedding operation mimics the convolutional operations in 2D neural networks. Thus features of each point are not only computed with the features of its own or of the whole point cloud but also computed especially with respect to the features of its neighbors. Experiments show that our proposed method achieves better performance than the F-Pointnet baseline on 3D object detection tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google