#206
summarized by : shirouchi satoshi
PointFlowNet: Learning Representations for Rigid Motion Estimation From Point Clouds

どんな論文か?

時間tの3D point cloudが時間t+1でどの方向に動いたかの推定が目的。これにLIDAR(レーザースキャナ)が使われているが、推定のモデリングやエンジニアリングに手間がかかる。本研究は3D scene flow 予測、ridge motion 予測、3D物体検出をend-to-endで行う。global座標はrigid motion 予測に適していないことを証明。データ増強の手法も提案。
placeholder

新規性

同じscene flowはlocal coordinateでは同じridge body motionとなるが、global coordinateでは違うridge body motionになるため、scene flowとglobal rigid body motionの変換はglobal coordinateではできず、local coordinateでは上手く変換できることを証明。

結果

Dewanらの手法と比較すると全てにおいて優れている。既存手法ICPはobjectのobject motionに対して大きな誤差を生み出していた。既存手法のどれもdynamic objectのmotionを推定するのが苦手であるが提案手法は誤差が小さい。時間は提案手法は0.5秒、Dewanらは4秒、3D match、FPFHは100秒以上、ICPは0.5秒だけど誤差は大きい。

その他(なぜ通ったか?等)