要約
本論文では、3Dオブジェクト検出のためのPointRCNNを提案します。このフレームワークは2つのステージから構成されています：ステージ1はボトムアップの3D提案生成、ステージ2は正規座標での提案の洗練化を行い、最終的な検出結果を得ます。従来の手法がRGB画像から提案を生成したり、点群データを俯瞰図やボクセルに投影するのとは異なり、我々のステージ1サブネットワークは全シーンの点群データを前景点と背景にセグメンテーションすることで、直接少量の高品質な3D提案を生成します。ステージ2サブネットワークは各提案のプーリングされた点を正規座標に変換し、より良い局所空間特徴を学習します。これは、ステージ1で学習した各点の全体的な意味特徴と組み合わせて、正確なボックス洗練化と信頼度予測を行います。KITTIデータセットの3D検出ベンチマークにおける広範な実験により、我々が提案するアーキテクチャは入力として点群データのみを使用することで、最先端手法よりも大幅に優れた性能を示しています。コードはhttps://github.com/sshaoshuai/PointRCNN で公開されています。