入力データとしてRGB画像、点群を利用し、RGB画像には物体検知を掛けた後にCNNを通し、物体の色情報を抽出。 点群はPointNetを通し幾何構造を抽出して色情報との二つの情報を結合して物体の回転、移動、信頼度を求めることで高速かつ、オクルージョン(物体の被り)に頑健になる手法を提案。 提案手法にはピクセルごとの特徴を結合するものと幾何構造の抽出部分をイテラティブにした二つを提案。