【论文笔记】《Frustum PointNets for 3D Object Detection from RGB-D Data》

【论文笔记】《Frustum PointNets for 3D Object Detection from RGB-D Data》

【论文笔记】读论文期间必要的提炼和笔记还是必要的~用博客的形式记录自己学习的日常，如果你也觉得这篇笔记对你有那么点用处，我会觉得很开心哦（^ - ^）如需转载，请注明出处。

原文链接：[https://arxiv.org/abs/1711.08488]

本文解决的问题：

室内和室外场景中RGB-D数据的三维物体检测。在大规模场景中如何有效定位目标对象。

创新点概括：

1，提出了一种基于RGB-D数据的3D对象检测新框架，称为Frustum PointNets.
2，Frustum PointNet 按照降维原理缩小搜索空间：利用成熟的2D物体探测器。通过图像检测器中的2D bounding box 中获取3D bounding frustum. 在每个3D frustum 的3D 空间中，使用PointNets 的两个变体连续执行的对象实例分割和非模态边框回归。
3，Frustum PointNet 更加3D-centric ，将深度图加到3D point Cloud 中并用3D手段处理，更好的利用三维空间的几何拓扑结构。

【摘要】

背景介绍：室内和室外场景中RGB-D数据的三维物体检测。传统方法侧重于图像(images) 或 3D体素(3D voxels)，往往模糊了自然的三维模式和三维数据的不变性&#