Détection d'objets 3D dans les nuages de points par vote de Hough profond

Les méthodes actuelles de détection d'objets en 3D sont fortement influencées par les détecteurs en 2D. Pour tirer parti des architectures utilisées dans les détecteurs en 2D, elles convertissent souvent les nuages de points en 3D en grilles régulières (c'est-à-dire en grilles de voxels ou en images à vue d'oiseau) ou s'appuient sur la détection dans les images en 2D pour proposer des boîtes englobantes en 3D. Peu de travaux ont tenté de détecter directement les objets dans les nuages de points. Dans cette étude, nous revenons aux principes fondamentaux pour construire une chaîne de détection en 3D adaptée aux données de nuages de points et aussi générique que possible. Cependant, en raison de la nature éparse des données – des échantillons provenant de variétés bidimensionnelles dans l'espace tridimensionnel – nous sommes confrontés à un défi majeur lors de la prédiction directe des paramètres des boîtes englobantes à partir des points scènes : le centroïde d'un objet en 3D peut être loin de tout point surfacique, rendant difficile une régression précise en une seule étape. Pour relever ce défi, nous proposons VoteNet, un réseau de détection d'objets en 3D basé sur une synergie entre les réseaux profonds de nuages de points et le vote Hough. Notre modèle atteint des performances exceptionnelles en détection 3D sur deux grands jeux de données d'images 3D réelles, ScanNet et SUN RGB-D, grâce à une conception simple, une taille compacte du modèle et une haute efficacité. Remarquablement, VoteNet surpasses les méthodes précédentes en utilisant uniquement des informations géométriques sans recourir aux images couleur.