关于从点云中推断支撑关系和构建场景层次图的研究

Apr, 2024

关于从点云中推断支撑关系和构建场景层次图的研究

On Support Relations Inference and Scene Hierarchy Graph Construction from Point Cloud in Clustered Environments

Gang Ma, Hui Wei

TL;DR这篇研究论文提出了一种自底向上的场景理解方法，通过推断点云中物体之间的支撑关系，利用场景中平面对的空间拓扑信息，实现了原始物体分类和支撑关系推理，并构建了包含原始级别和物体级别的场景层级图，该算法在原始分类和支撑关系推理方面表现出色，而场景层级图则包含了丰富的几何和拓扑信息，并具有很好的可扩展性。

Abstract

Over the years, scene understanding has attracted a growing interest in computer vision, providing the semantic and physical scene information necessary for robots to complete some particular tasks autonomously. In 3D scenes, rich spatial geometric and topological information are often

scene understanding spatial topology support relations primitive classification scene hierarchy graph

发现论文，激发创造

关于支持关系和语义场景图

该论文提出了一种新颖的方法来推断场景中的支撑关系和构建语义场景图，以增强场景理解，并构建了一种描述场景内所有上下文关系的语义场景图。

Sep, 2016

从 3D 室内重建学习 3D 语义场景图

本文提出了一种基于场景图的三维场景理解方法，它将场景中的实体组织成图形式，运用基于 PointNet 和 Graph Convolutional Networks（GCN）的学习方法实现了场景图的回归，并且引入了一个新的数据集 3DSSG 来支持该方法的应用和评估。

Apr, 2020

基于文本的图像检索的全面三维场景抽象生成

使用物理关系模型，通过将虚构的抽象物体布局与文本描述中存在的空间约束相匹配来从文本描述中推断 3D 结构，并通过将对象检测输出与表示为边界框的 2D 布局候选项进行匹配来评定图像排序，从而检索与场景的文本描述相匹配的图像，其性能优于基于对象出现直方图和学习的 2D 成对关系的基线方法。

Nov, 2016

使用知识图谱在点云上进行 3D 场景图预测

应用常识知识图谱以提高室内场景点云的 3D 场景图预测准确度的实验研究表明，在外部常识知识和内部知识的交互应用中，通过消息传递的方法比最先进的算法提高了 15.0% 的场景图预测准确度和 7.96% 的内部知识，在每秒 10 帧的实际机器人环境中也进行了测试以展示模型的使用情况。

Aug, 2023

基于关系图网络的点云三维物体检测

本文提出了一种基于卷积神经网络的关系图网络模型，该模型利用方向特征、语义特征和空间坐标，结合盒子候选回归和点注意池化，探索关系图对于提高候选物体外观特征的影响，最终成功实现了在点云中检测三维物体的任务。

Nov, 2019

InstanceRefer: 基于实例多级语境参考的点云视觉定位合作全面理解

本文提出了一种名为 InstanceRefer 的模型，该模型利用语言描述实现目标类别预测，从 3D 点云的广义实例分割中筛选出少量实例候选项，利用多级语境推理和多层次特征匹配来实现最相关候选项的选择和定位，从而实现了优越的 3D 视觉定位结果

Mar, 2021

3D 点云场景流的分层注意力学习

本文研究了使用两个连续的三维点云来估计场景流的问题，并提出了一种新的分层神经网络架构和双重注意力方法来精细地估计和监督不同级别的场景流和 LiDAR 位置跟踪。

Oct, 2020

基于语义图的三维点云地点识别

本文提出了一种基于语义图的三维点云场景识别方法，该方法具有鲁棒性，能够应对遮挡和视角变化等环境变化，评估结果表明该方法优于现有技术。

Aug, 2020

全局 - 局部双向推理用于无监督学习 3D 点云表示

基于局部结构和全局形状的双向推理，提出了一种无需人工标注学习点云表示的方法，并展示出其在下游分类任务中取得的优秀表现。

Mar, 2020

基于自由形式描述导向的点云物体 grounding 的三维视觉图网络

本篇论文提出了基于自由文本语言描述的三维物体定位方法，通过引入多个图模型来解决不同挑战。经过在挑战类数据集上的多次测试，结果表明我们所提出的算法优于现有最先进技术。

Mar, 2021