上海交通大学 | 在3D场景中实现稳健的边界框检测

论文标题：Canonical Voting: Towards Robust Oriented Bounding Box Detection in 3D Scenes 

论文链接：https://arxiv.org/abs/2011.12001

代码链接：https://github.com/qq456cvb/CanonicalVoting

作者单位：上海交通大学

由于传感器和点云深度学习方法的进步，3D对象检测引起了广泛关注。 当前最先进的方法（如 VoteNet）使用附加的多层感知器网络直接向对象中心和盒子方向回归偏移。 由于旋转分类的基本困难，它们的偏移和方向预测都不准确。 在工作中，我们将直接偏移分解为局部规范坐标 (LCC)、框尺度和框方向。 只有 LCC 和框尺度回归，而框方向由规范投票方案生成。 最后，LCCaware 反投影检查算法迭代地从生成的投票图中切出边界框，消除误报。 我们的模型在具有挑战性的大规模真实点云扫描数据集上实现了最先进的性能：ScanNet 和 SceneNN，绝对进步分别为 8.8 和 5.1 mAP。

内容中包含的图片若涉及版权问题，请及时与我们联系删除