Sparse voxel based 3D object detectionfrom RGB-D data

Do˘gru ve hızlı 3B nesne algılama, g¨uvenli ve ba¸sarılı otonom makineler i¸cin ¸cok ¨onemli bir rol oynuyor. LiDAR nokta bulutu tabanlı y¨ontemler etkileyici sonu¸clar ¨ostermesine ra˘gmen, pahalı LiDAR sens¨orleri bu t¨ur yakla¸sımları geni¸s ¨ol¸cekli adaptasyon i¸cin imkansız hale getiriyor. Ote yandan kamera tabanlı y¨ontemler, g¨uvenlik ¨ ve do˘gruluk gereksinimleri altında yetersiz kalıyor. Geleneksel olarak, kamera tabanlı 3B nesne algılama, RGB-D verilerinden LiDAR nokta bulutları olu¸sturarak ve nokta bulutu tabanlı y¨ontemler kullanılarak ger¸cekle¸stirilir, ancak nokta bulutu veri temsilinin d¨uzensiz do˘gası, 3B ¨uzerinde uzamsal yerel ba˘gıntılardan yararlanmayı zorla¸stırır. uzay ve nokta bulutu tabanlı y¨ontemler genellikle bundan muzdariptir. Bu ama¸cla, Seyrek Voxel tabanlı 3B Nesne Algılamasını ¨oneriyoruz, yakla¸sımımız, nokta bulutu bilgilerini seyrek voksel g¨osterimine d¨on¨u¸st¨urerek ve PointNet tabanlı modeller yerine bilgi elde etmek i¸cin alt-katmanlı seyrek konvol¨usyonları kullanarak geleneksel yakla¸sımlardan farklıla¸smaktadır. Yakla¸sımımız yalnızca nokta bulutu tabanlı muadillerini geni¸s bir marjla geride bırakmakla kalmıyor, aynı zamanda hesaplama i¸cin verimli olma avantajıyla birlikte geliyor.