分享一篇今天新出的论文Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud,来自卡内基梅隆大学(CMU)的研究人员提出使用图神经网络(GNN)进行点云数据的3D目标检测,取得了最先进的效果,甚至超越了一些基于点云和RGB数据融合的检测方法,为这一领域开辟了新的技术方向。 该文作者信息: 作者均...
作者设计了一个名为Point-GNN的图神经网络,用于预测图中每个顶点所属对象的类别和形状。在Point-GNN中,作者提出了一种减少平移方差的自动配准机制,并设计了一种box merging和评分操作,以准确地组合来自多个顶点的检测。在KITTI benchmark上的实验表明,所提出的方法单独使用点云达到领先的精度,甚至可以超过基于融合的算...
继卷积神经网络在2D视觉上获得前所未有的成功之后,近年来,如何让计算机理解3D世界,特别是如何延续深度学技术在3D视觉问题上的表现受到了越来越多的研究人员关注。3D视觉数据的表示方式有多种,如点云(Point Cloud)、网格(Mesh)等。本节我们来介绍其中具有代表性的点云数据的学习。 图3 点云分割示意图 点云数据是...
2、Point-GNN for 3D Object Detection in a Point Cloud 2.1 Graph Construction 2.2 Graph Neural Network with Auto-Registration 2.3 Loss 2.4 Box Merging and Scoring 3、Experiments 1|0Abstruct 提出了一种图神经网络来检测激光雷达点云中的目标,为此将点云编码在一个固定半径的近邻图中。 设计了Point-GNN...
3D视觉数据的表示方式有多种,如点云(Point Cloud)、网格(Mesh)等。 (1)点云 点云数据是一种有效的三维物体的表示方法,它随着深度感知技术,比如微软的Kinect以及激光探测与测量技术的发展而流行起来。点云数据由一组点组成,每个点都记录有三维坐标(x,y,z),除此之外,还可以记录采集点的颜色、强度等其他丰富的...
最近，Li等人构建了一个 56 层 GNN，将点云语义分割（point cloud semantic segmentation）任务中的最新技术提高了 3.7%。他们的工作证明了stacking GNN与CNN一样深的可能性以及超深GNN的优势。然而，他们用来构建如此深的 GNN 的一个关键策略是动态改变图中的边，这不适用于具有固定边的图，例如分子。因此，需要...
The dataset used is point cloud data which is irregular and unstructured, and it needs to be encoded in such a way that ensures better feature encapsulation. Earlier works have used relative distance as one of the methods to encode the features. These methods are not resistant to rotation ...
论文原文:Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud 论文地址:https://www.aminer.cn/pub/5e5f7c4791e011df604ecb9c 论文背景 本文提出了一个 GNN 用于从 LiDAR 电云中发现对象,为此,作者在固定半径的近邻图中有效地编码了点云,使用 Point-GNN 预测每个点的对象的类别和形...
最近,Li等人构建了一个 56 层 GNN,将点云语义分割(point cloud semantic segmentation)任务中的最新技术提高了 3.7%。他们的工作证明了stacking GNN与CNN一样深的可能性以及超深GNN的优势。然而,他们用来构建如此深的 GNN 的一个关键策略是动态改变图中的边,这不适用于具有固定边的图,例如分子。因此,需要进一步...
继卷积神经网络在2D视觉上获得前所未有的成功之后,近年来,如何让计算机理解3D世界,特别是如何延续深度学技术在3D视觉问题上的表现受到了越来越多的研究人员关注。3D视觉数据的表示方式有多种,如点云(Point Cloud)、网格(Mesh)等。本节我们来介绍其中具有代表性的点云数据的学习。