文献

J-GLOBAL ID：202002232278629784   整理番号：20A2275994

PointNet++に基づく3Dポイントクラウドマルチターゲット検出法【JST・京大機械翻訳】

3D Point Cloud Multi-target Detection Method Based on PointNet++

著者 (7件)： Li Jianheng (Liaoning Shihua University, Fushun, China) ,  Pan Bin (Liaoning Shihua University, Fushun, China) ,  Cherkashin Evgeny (ISDCT SB RAS, Novosibirsk, Russia) ,  Liu Linke (Liaoning Shihua University, Fushun, China) ,  Sun Zhenyu (Liaoning Shihua University, Fushun, China) ,  Zhang Manlin (Liaoning Shihua University, Fushun, China) ,  Li Qinqin (Liaoning Shihua University, Fushun, China)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1274  ページ： 1279-1290  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 3D物体検出は,近年コンピュータビジョンとパターン認識の分野で重要な研究方向である。この技術は,無人運転とインテリジェントロボットのための重要な技術的支援を提供できる。屋外場面における3D点雲のスパース性によって引き起こされた物体検出の課題を目的として,本論文は,ポイントネット++に基づく3Dポイントクラウドマルチターゲット検出法を設計した。方法は,最初に収集したオリジナルポイントクラウドを前処理する。関心領域のポイントクラウドを得た後に,ポイントクラウドをクラスタ化して,次に,3Dターゲット検出をポイントネット++によって実行して,対象カテゴリーを得た。最後に,3D境界ボックスを通して目標対象物のサイズと方向を得た。本論文における方法の有効性を検証するために,実際の屋外シーンのポイントクラウドデータをライダーを用いて収集して,サンプルセットをネットワーク訓練のために作成した。最終結果は,この方法がより高い検出精度を達成して,リアルタイム性能の要求を満たすことができることを検証した。Copyright The Editor(s) (if applicable) and The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パターン認識 ,  ネットワーク ,  クラスタ化 ,  *検出法 ,  知能ロボット ,  コンピュータビジョン ,  *三次元 ,  有効性 ,  LIDAR ,  物体検出 ,  ターゲット検出 ,  点群データ ,  深層学習 ,  改変
準シソーラス用語： レーザレーダ ,  スパース性 ,  関心領域 , 【Automatic Indexing@JST】

著者キーワード (4件)： 3Dオブジェクト検出 ,  PointNet++ ,  ポイントクロード ,  深層学習

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 3D ,  検出法