Alex H. Lang, et al. “PointPillars: Fast Encoders for Object Detection from Point Clouds”. (2019) 기존 연구 동향) 포인트 클라우드에서 물체 감지는 자율 주행과 같은 많은 로봇 응용 프로그램의 중요한 측면이다. 본 논문에서는 포인트 클라우드를 a downstream detection pipeline에 적합한 형식으로 인코딩하는 문제를 고려한다. 최근의 문헌은 두 가지 유형의 인코더를 제시한다. fixed encoders는 빠르지만 정확도는 희생하는 경향이 있는 반면, 데이터에서 학습된 인코더는 더 정확하지만 더 느리다. 본 연구) 본 연구에서는 vertical columns (pillars)로 구성된 point cloud rep..
Project/무지성 논문 초록 읽기
Yan Yan, et al. “SECOND: Sparsely Embedded Convolutional Detection”. (2018) Voxel 기반 3D 컨볼루션 네트워크는 포인트 클라우드 LiDAR 데이터를 처리할 때 정보의 보존을 강화하기 위해 한동안 사용되어 왔다. 그러나 느린 추론 속도와 낮은 방향 추정 성능을 포함한 문제가 남아 있다. 따라서 우리는 훈련과 추론 모두의 속도를 크게 높이는 그러한 네트워크에 대한 개선된 sparse convolution method을 조사한다. 또한 방향(the orientation) 추정 성능을 개선하기 위한 새로운 형태의 angle loss regression와 수렴 속도와 성능을 향상시킬 수 있는 new data augmentation approach을 ..
Yin Zhou, et al. “VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection”. Apple. (2017) 기존 노력은 라이더 매우 희박한 point cloud를 Region Proposal Network (RPN) 으로 인터페이스 하기 위해 hand-crafted feature representations 에 집중 되었다. In this works, 우리는 3D point cloud에 대한 일반적인 feature engineering의 필요성을 제거하고 VoxelNet 을 제안합니다. VoxelNet이란? a generic 3D detection network that unifies feature ..
Charles R. Qi, et al. “PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation”. Stanford University. (2017) 포인트 클라우드는 기하학적 데이터 구조의 중요한 유형이다. 불규칙한 포맷으로 인해 대부분의 연구자들은 이러한 데이터를 일반적인 3D 복셀 그리드 또는 이미지 모음으로 변환한다. 그러나 이로 인해 데이터가 불필요하게 대량으로 생성되고 문제가 발생합니다. 본 논문에서는 입력에서 포인트의 the permutation invariance of points in the input 을 잘 존중하는 포인트 클라우드를 직접 소비하는 새로운 유형의 신경망을 설계한다. ..
