Frustum VoxNet für die 3D-Objekterkennung aus RGB-D- oder Tiefenbildern

In letzter Zeit gab es eine Vielzahl von Klassifikations- und Erkennungssystemen für RGB- sowie 3D-Bilder. In dieser Arbeit beschreiben wir ein neues System zur 3D-Objekterkennung aus einem RGB-D-Punktewolken oder einer tiefenbasierten Punktwolke. Unser System erkennt zunächst Objekte in 2D (entweder RGB oder pseudRGB, das aus Tiefendaten konstruiert wird). Im nächsten Schritt werden 3D-Objekte innerhalb der durch diese 2D-Erkennungen definierten 3D-Frusta erkannt. Dies wird erreicht, indem Teile der Frusta verpixelt (voxelisiert) werden (da Frusta sehr groß sein können), anstatt die gesamten Frusta zu verwenden, wie dies in früheren Arbeiten der Fall war. Die Hauptneuheit unseres Systems besteht darin, welche Teile (3D-Vorschläge) der Frusta verpixelt werden sollen, was es uns ermöglicht, hochaufgelöste Darstellungen um die interessierenden Objekte herum bereitzustellen. Es ermöglicht zudem unserem System, geringere Speicheranforderungen zu haben. Diese 3D-Vorschläge werden an ein effizientes ResNet-basiertes 3D-Fully Convolutional Network (FCN) weitergeleitet. Unser 3D-Erkennungssystem ist schnell und kann in eine Robotikplattform integriert werden. Im Vergleich zu Systemen, die keine Verpixelung durchführen (wie PointNet), können unsere Methoden ohne die Notwendigkeit des Untertestichs der Datensätze arbeiten. Wir haben außerdem einen Pipelines Ansatz eingeführt, der die Effizienz unseres Systems weiter verbessert. Die Ergebnisse am SUN RGB-D-Datensatz zeigen, dass unser auf einem kleinen Netzwerk basierendes System 20 Frames pro Sekunde verarbeiten kann und vergleichbare Erkennungsergebnisse mit dem Stand der Technik erzielt, wobei es eine verdoppelte Geschwindigkeit bietet.请注意，这里“法语”应为“德语”，因此我在翻译时采用了德语。如果您有其他要求，请告知。