【泡泡一分钟】三维卷积神经网络实现实时非模态三维目标检测

会员服务 ·

【泡泡一分钟】三维卷积神经网络实现实时非模态三维目标检测

2019 年 5 月 20 日 泡泡机器人SLAM

每天一分钟，带你读遍机器人顶级会议文章

标题：A 3D Convolutional Neural Network Towards Real-time Amodal 3D Object Detection

作者：Hao Sun, Zehui Meng, Xinxin Du and Marcelo H. Ang Jr

来源：IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)，2018

编译：刘梦雅

审核：颜青松，陈世浪

欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

摘要

本文关注非模态三维目标检测任务，即预测目标在实际世界中的位置、维度、姿态以及所属类别。本文提出一种三维卷积神经网络，输入为一个小型室内场景，用体元表示，输出为三维目标检测得到的方框、目标所属类别以及姿态方向。与其他经典方法不同，本文算法并未利用区域划分技术来假设目标所在位置，算法将检测和识别问题看作一个回归问题，并在一个简单的网络中实现。我们的模型速度非常快，并且所有的预测结果都是有理有据的，均来自于点云的全局信息中。本文算法在两个标准数据集上进行了测试：NYUv2 RGBD 数据集和SUN RGBD 数据集。实验结果表明，本文算法在实现3维物体检测上，比起其他许多3D检测算法要快上几个数量级。

本文算法框架如下图所示：

算法输入彩色图像的3D点云，并用体元表示，输入网络。网络首先进行一个对齐操作，主要实现将输入与规范姿势对齐，然后输入检测网络实现三维物体的检测、分类等等。实验结果表明，本文算法在三维目标检测上具有较好的效果，且运行时间大大缩短。

下图是一些检测情况的示意图，可见本文算法的有效性。

Abstract

We focus on the task of amodal 3D object detection, which is to predict object locations, dimensions, poses and categories in the real world. We introduce a 3D Convolutional Neural Network that takes a volumetric representation of an indoor scene as input and predicts 3D object bounding boxes, object categories, and orientations. Unlike prior state-of-the-arts, our approach does not depend on region proposal techniques to hypothesize object locations. We treat detection and recognition as one regression problem in a single network. Our elegant model is extremely fast and all predictions are reasoned from the global context of a point cloud in a continuous pipeline. We evaluate our approach on two standard datasets: the NYUv2 RGBD dataset and the SUN RGBD dataset. Experiments show that our approach is faster than start-of-the-art 3D detectors by several orders of magnitude towards real-time amodal 3D object detection.

如果你对本文感兴趣，请点击点击阅读原文下载完整文章，如想查看更多文章请关注【泡泡机器人SLAM】公众号（paopaorobot_slam）。

百度网盘提取码：1t2l

欢迎来到泡泡论坛，这里有大牛为你解答关于SLAM的任何疑惑。

有想问的问题，或者想刷帖回答问题，泡泡论坛欢迎你！

泡泡网站：www.paopaorobot.org

泡泡论坛：http://paopaorobot.org/bbs/