从2D到3D的标签传播用于点云中的物体检测

从LiDAR点云进行物体检测和分类在机器人系统中变得越来越重要。为了训练分类器，需要大量带有物体标注的数据集。然而，来自点云的手动标注数据耗时且成本高。我们提出一个框架，将图像注释传播到点云中以生成训练数据。每个物体的点云会投影到相应的图像上，并在2D边界框内搜索重叠区域。如果匹配区域存在，则标签传播到点云物体上。之前的工作使用3D真实标签训练分类器，并通过结合点云和RGB图像进行测试。我们的系统仅使用点云进行训练和测试来识别物体。使用手动标注与标签传播训练数据的比较表明，标签传播可以在没有手动真实标签的情况下以80.22%的平均精度训练分类器。