论文地址：https://arxiv.org/abs/2003.01251
代码：https://github.com/WeijingShi/Point-GNN.git
来源：卡内基梅隆大学
原文作者：Weijing Shi
论文提出了一种图卷积网络，可以对激光点云数据进行目标检测。为此，论文设计了一种将点云高效的编码到一个固定个半径的邻域图中。论文设计了一种图卷积网络命名为Point-GNN，可以预测每一个顶点所属对象的类别和形状。在Point-GNN中论文提出了一种自动配准机制用来减少平移方差，并且设计了一种盒子的合并和得分操作，可以准确的融合多个定点的检测结果。经过在Kitti上的实验表明，该方法在只是用激光点云的情况下具有领先的检测精度，甚至超过了基于融合传感器的算法。实验结果表明，图神经网络在3D目标检测方面具有很高的应用潜力。
通过使用论文提出的图网络形式可以对点云进行紧凑的编码，而不需要对点云进行网格化处理或者重采样处理。并且该算法在实验数据集上取得了优秀的表现。
下面是论文具体框架结构以及实验结果：
声明：文章来自于网络，侵权请联系，管理员。
