Frustum PointNets for 3D Object Detection from RGB-D Data¶
论文地址¶
https://arxiv.org/abs/1711.08488
摘要¶
Cite
在这项工作中，我们研究了室内和室外场景中 RGB-D 数据的 3D 对象检测。虽然以前的方法侧重于图像或 3D 体素，通常会模糊自然的 3D 模式和 3D 数据的不变性， 但我们通过弹出 RGB-D 扫描直接在原始点云上进行操作。然而，这种方法的一个关键挑战是如何有效地定位大型场景点云中的对象（区域提议）。 我们的方法不是仅仅依赖 3D 提议，而是利用成熟的 2D 对象检测器和先进的 3D 深度学习来进行对象定位，即使是小对象也能实现高效和高召回率。 受益于直接在原始点云中学习，我们的方法即使在强遮挡或点非常稀疏的情况下也能够精确估计 3D 边界框。在 KITTI 和 SUN RGB-D 3D 检测基准上进行评估， 我们的方法在具有实时能力的同时显着优于现有技术水平
VoteNet里专门说了用2D检测器并不适合3D点云的目标检测
分bin的思想来自于3D Bounding Box Estimation Using Deep Learning and Geometry，继续查
方法¶
