점군에서 제안 만들기
첫 단계는 장면의 점을 전경과 배경으로 나누고 전경에서 물체 제안을 만든다. 별도의 RGB 영상 검출 결과에서 상자를 가져오는 방식이나 점군을 평면으로 먼저 투영하는 방식과 구분된다. 전경 분류의 오류는 이후 제안에도 영향을 줄 수 있다.
기준 좌표의 예
제안 상자의 중심이 (5,2,0)이고 점이 (6,3,1)이면 중심을 뺀 좌표는 (1,1,1)이다. 상자 방향까지 기준에 맞추려면 추가 회전이 필요할 수 있다. 설명용 좌표 변환이며 실제 모델의 모든 전처리와 특징을 나타내지는 않는다.
국소와 의미 특징
제안 안에 모은 점들을 기준 좌표로 바꿔 국소 형상을 학습하고 앞 단계에서 얻은 점별 의미 특징을 함께 사용한다. 최종적으로 상자와 신뢰도를 정제한다. 물체 제안이 적다는 사실만으로 모든 실제 물체를 빠짐없이 포함한다고 볼 수는 없다.
두 단계의 한계
후속 정제는 초기 제안에 의존하므로 첫 단계에서 놓친 물체를 모두 되살릴 수는 없다. 가림과 희소한 점, 먼 물체에서의 오류를 따로 살펴본다. 검출 범주와 상자 겹침 조건 및 입력 범위를 맞춰 비교하고 각 단계의 시간과 전체 지연을 구분한다.
관련 문서
CenterPoint / PV-RCNN / VoteNet / PointPillars / VoxelNet / PointNet