PanoNet3D：一个基于激光雷达点云语义和几何理解的3D目标检测方法-技术圈

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

作者丨黄浴@知乎

来源丨https://zhuanlan.zhihu.com/p/344409383

转载自：计算机视觉life

ArXiv论文 “PanoNet3D: Combining Semantic and Geometric Understanding for LiDAR Point Cloud Detection“，作者来自CMU RI 研究所。

作者觉得大多数激光雷达检测方法只是利用目标几何结构，所以提出在一个多视角框架下学习目标的语义和结构特征，其利用激光雷达的特性，2D距离图像，以此提取语义特征。该方法PanoNet3D结构如图：

上面分支，LiDAR点云作为输入，用几个简单的局部几何特征修饰原始点特征，包括全局位置、局部相对所在体素中心的位移。

体素化有两种：1）3D正常体素化；2）pillarization，类似PointPillars。

下面分支，点云转换为伪距图像，类似LaserNet，得到结果如下图：5个通道，range r, height h, elevation angle theta, reflectance i, occupancy mask m。

馈入2D Semantic FPN (SFPN)，获取每个像素的深度语义特征。将两个分支输出特征汇总并传递到主检测器。最终的框头部在BEV平面生成检测建议。单步检测器，基于anchor，预测朝向框以及置信度得分。

文中提出了时域多帧融合和空域多帧融合，前者简单，后者需要选择关键帧，如图是一个例子

这里取两帧n=2做实验。

检测头设计如图：初始特征128维，整个场景大小限制为[-51.2, 51.2] [-51.2, 51.2] [-3, 3]米，分别在x-y-z方向。网络由ResNet基本块几层组成。S表示每层步幅，N表示块数。生成的SFPN特征图具有和该层同样分辨率的，标记为红色。可以是，3D voxelize输入或者pillarize再输入。

数据增强类似SECOND，cropped线下存储，做随机全局变换，如translation、scaling、rotation等。

该文实现是基于Det3D：CBGS开源库：https://link.zhihu.com/?target=https%3A//github.com/poodarchu/Det3D

结果：

本文仅做学术分享，如有侵权，请联系删文。

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~