frustum-pointnets

收录理由

这是Frustum PointNets的官方实现，出自斯坦福大学与Nuro团队在CVPR 2018上发表的工作，用于从RGB-D数据中检测三维物体。其流程先在RGB图像上运行成熟的2D检测器生成候选框，再把每个框扩展为三维视锥区域，最后用PointNet系列网络直接对视锥内的点云做实例分割和amodal包围盒估计。由于直接在原始点云上操作而非体素化，它保留了完整的几何信息，同时借助图像纹理来缩小搜索空间，对行人、骑车人等小目标尤其有效。该工作在KITTI和SUNRGBD基准上经过了验证，至今仍是许多团队在自动驾驶、机器人和三维场景理解中构建激光雷达或深度检测方案时的重要参照。