PVNet: A Joint Convolutional Network of Point Cloud and Multi-View for 3D Shape Recognition

最新推荐文章于 2024-08-12 09:05:22 发布
最新推荐文章于 2024-08-12 09:05:22 发布
阅读量1.2k 收藏 3
点赞数 2
分类专栏： 三维重建 文章标签： paper 3D重识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/CSS360/article/details/99226803
版权

论文链接：http://gaoyue.org/paper/PVNet.pdf

摘要

       3D目标识别已经吸引研究者们的注意在领域多媒体和计算机视觉。随着最近涌入的深度学习，各种深度模型使用不同的展示形式实现先进的表现。大部分它们，点云和多视点基于3D模型展示正在引进在最近，它们对应的深度模型已经展示出重要性在3D模型识别。然而，有较少集中在点云数据和多视点数据对于3D模型展示，在我们的研究中，它们是有益和互补的相互。在这篇文章中，我们提出点视网络PVNet，首先框架集成点云和多视点数据加入到3D模型识别。较明确地，一个嵌入注意融合观点是提出利用高阶特征从多视角数据去模型内相关和区别不同的结构特征从点云数据。尤其，这个区别描述被量化和利用作为软注意mask，来重定义3D模型特征。我们已经评估这个提出的方法在ModelNet40数据集对3D模型分类和检索任务。实验结果和对比先进的方法证明我的框架能够实现较好的性能。

效果图

只有点云以及多视角下的3D识别，以及将二者融合在一起后的效果。

系统框架

在ModelNet40数据集的算法对比

了解更多关于《计算机视觉与图形学》相关知识，请关注公众号：

下载我们视频中代码和相关讲义，请在公众号回复：计算机视觉课程资料

元宇宙MetaAI
关注
专栏目录
PVN3D:最详细的来了，对PVN3D的总结与理解
feng_du_lan_的博客
05-05 4457
摘要：从单个RGBD图像得到对象的6DoF对象姿态估计。使用了一种深度霍夫投票网络，以检测对象的3D关键点，然后以最小二乘法拟合的方式估计6D姿态参数。 6DoF：即物体在空间中具有6个自由度，3D平移和3D旋转。6DoF姿态就是说，已知物体在世界坐标系的坐标，求物体在相机坐标系的姿态。即物体从世界系到相机系所需的3D旋转和3D平移。 1.介绍 由于光线，传感器噪声，场景的遮挡和物体的截断等原因，6DoF估计已被证明是一个极具挑战性的问题。有人提出直接使用DNN（深度神经网络）回归对象的旋转和平移，由于所解
PVN3D学习（一）：跑通PVN3D
kk的任意门
06-24 4754
PVN3D
探索未来科技：PVNet——像素级投票网络，6自由度姿态估计的利器
最新发布
gitblog_00711的博客
08-12 377
探索未来科技：PVNet——像素级投票网络，6自由度姿态估计的利器 pvnet项目地址:https://gitcode.com/gh_mirrors/pv/pvnet 在计算机视觉领域，准确地估计物体的姿态是一项至关重要的任务。PVNet，全称为Pixel-wise Voting Network，正是这样一款能够实现6自由度（6DoF）精确姿态估计的开源工具，其在CVPR 2019会议上作为口头...
【论文笔记】PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation
qq_32907491的博客
03-01 1431
PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation 来自浙江大学，论文作者在知乎发过关于这篇论文，目前在LineMod、LineMod Occluded、YCB-Video、数据集上都是第一名。 项目主页 开源代码 1.引言 1.1 问题描述 在本文中，我们提出了一种用于6DoF对象姿态估计的新颖框架。 给定图像，姿势估计的任务是检测...
论文翻译：PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation
weixin_44636737的博客
10-07 1626
论文翻译：PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation 摘要 本文讨论了单幅RGB图像在严重遮挡或截断情况下的6DoF位姿估计问题。最近的许多研究表明，two-stage的方法：首先检测关键点，然后解决一个PnP问题的位姿估计，效果很好。然而，这些方法大多通过回归图像坐标或热图来定位一组稀疏关键点，它们对遮挡和截断非常敏感。相反...
【点云系列】综述： Deep Learning for 3D Point Clouds: A Survey
weixin_43882112的博客
12-03 4983
文章目录摘要简介：2 背景2.1 数据集2.2 衡量指标3 3D形状分类3.1基于多视角的方法3.2基于体素的方法3.3 基于点的方法3.3.1逐点MLP网络3.3.2基于卷积的网络3.3.3基于图的网络3.3.4基于数据索引的方法3.3.5其他方法小结4 3D物体检测与跟踪4.1 3D物体检测4.1.1 基于候选区域的方法4.1.2 single-shot方法4.2 3D对象跟踪4.3 3D场景流估计4.4 小结：5 3D点云分割5.1 3D 语义分割5.1.1 基于投影的方法5.1.2 基于离散的方法5
PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation
a0394zy521的博客
03-03 762
摘要： 作者提出一种基于像素投票的网络回归每个像素的指向关键点的单位向量，然后使用RANSAC方法，每个单位向量投票选出关键点位置。这对于定位遮挡和截断的关键点创建了一个灵活的表示，这种表示的另一种重要特征是提供了关键点位置的不确定性从而能够使用PnP求解器进一步求解。 引言：通过CNN回归2d坐标然后使用 Perspective-n-Point(PnP)算法计算6D位姿表现很好，但是很难处理...
clean-pvnet:“ PVNet的代码
05-05
感谢提供了干净的版本PVNet和再现的结果。 该项目的结构在描述。 安装 一种方法是使用docker设置环境。 看到。 感谢Floris Gaisser提供了docker实现。 另一种方法是使用以下命令。 设置python环境： conda ...
pvnet:虚拟以太网适配器-开源
05-03
PVNet是一个提供虚拟网络接口的项目。 它生成大量的纯虚拟以太网适配器。 已针对amd64 cpu上Linux内核3.0.8进行了测试。 它的代码包含内核补丁和模块代码。 您可以使用它来创建许多以太网卡。 每个设备都有一个mac...
CVPR 2019的“ PVNet：用于6DoF姿势估计的像素级投票网络”的代码-Python开发
05-25
我们发布了一个干净的PVNet版本：clean-pvnet，包括如何在自定义数据集上训练PVNet。 对tless数据集的训练和测试，我们在其中检测图像中的多个实例。 PVNet：用于6DoF姿势估计的像素化投票网络PVNet：用于6DoF姿势...
姿态估计2-04：PVNet(6D姿态估计)-白话给你讲论文-翻译无死角（2）
江南才尽江南山，年少无知年少狂！
07-18 3070
以下链接是个人关于PVNet(6D姿态估计) 所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信：a944284742相互讨论技术。若是帮助到了你什么，一定要记得点赞！因为这是对我最大的鼓励。 姿态估计2-00：PVNet(6D姿态估计)-目录-史上最新无死角讲解 本论文名为： PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation（CVPR 2019 oral） 话不多说，接着上篇波博客继续翻译了 5. Experiment
姿态估计2-03：PVNet(6D姿态估计)-白话给你讲论文-翻译无死角（1）
江南才尽江南山，年少无知年少狂！
07-17 5832
以下链接是个人关于PVNet(6D姿态估计) 所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信：a944284742相互讨论技术。若是帮助到了你什么，一定要记得点赞！因为这是对我最大的鼓励。 姿态估计2-00：PVNet(6D姿态估计)-目录-史上最新无死角讲解 本论文名为： PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation（CVPR 2019 oral） 话不多说，本人直接开始翻译了 Abstract 该论文主要提出
2020.10.13重读 PVN3D：A Deep Point-wise 3D Keypoints Voting Network for 6DoF Pose Estimation
wolfcsharp的博客
10-13 1158
PVN3D：A Deep Point-wise 3D Keypoints Voting Network for 6DoF Pose Estimation1.背景信息2.方法3. Loss4.实验结果4.1 LineMOD数据集4.2 YCB数据集5. 读后感6. 这篇文章的报告ppt 1.背景信息 1.输入RGBD图像 2.两阶段位姿估计方法： 先找到model和scene中的点的对应关系，然后用LS或者PnP进行位姿解算。 作者说end to end的方法，直接回归与旋转有关的量，需要神经网络考虑旋转空间
《论文阅读》Learning multiview 3D point cloud registration
未知丶的博客
10-21 2913
留个笔记自用 Learning multiview 3D point cloud registration 做什么 首先先得理解点云是什么 点云的概念：点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合，在获取物体表面每个采样点的空间坐标后，得到的是点的集合，称之为“点云”（Point Cloud）。 点包含了丰富的信息，包括三维坐标X，Y，Z、颜色、分类值、强度值、时间等等，不一一列举。 一般的3D点云都是使用深度传感器扫描得到的，可以简单理解为相比2维点，点云是3D的采样 做了什么
pvnet——自我总结
Marilynviolet的博客
09-11 5822
第一阶段：（检测2D关键点） pvnet： 利用卷积网络对图片中像素进行分类，生成语义标签，假设关键点，计算指向关键点的向量场，根据向量进行比较投票分数确定确定关键点。使用FPS（farhest point sampling）选出八点作为估计匹配的关键点。 执行细节： 网络中使用的优化器：Adam 单独对象模型网络都是使用resnet_18网络一对一训练，所有模型是使用resnet_50训练 cr...
PVN3D论文翻译
cocool的博客
09-09 1532
CVPR2020旷视提出PVN3D：针对6D位姿估计的3D关键点投票网络 Abstract 在这项工作中，我们提出了一种新的数据驱动方法，用于从单个RGBD图像进行鲁棒的6DoF对象姿态估计。与直接回归姿态参数的先前方法不同，我们使用基于关键点的方法来解决这一具有挑战性的任务。具体而言，我们提出了一种深度霍夫投票网络，以检测对象的3D关键点，然后以最小二乘拟合的方式估算6D姿态参数。我们的方法是2Dkeypoint方法的自然扩展，该方法成功地用于基于RGB的6DoF估计。它使我们能够利用额外的深度信息充分利
3D 语义分割——RPVNet
steven_ysh的博客
09-19 1710
本文是阅读 CVPR2021 论文《RPVNet: A Deep and Efficient Range-Point-Voxel Fusion Network for LiDAR Point Cloud Segmentation》所做笔记。 首先简要介绍了 3D 语义分割中三种不同的视图，然后再详细地介绍了 RPVNet 的网络结构。
PVNet:阅读笔记
layman to computer science
09-15 1352
PVNet: 论文摘要： 本文解决在severe occlusion or truncation条件下从single RGB图像中做6D姿态估计。最近的主流方法采用two-stage的思路，先检测关键点再求解Perspective-n-Point(PnP)问题，取得remarkable performance。然而，它们只通过回归image coordinates or heatmaps定位出...
clean-pvnet
08-13
clean-pvnet是一个用于6DoF姿态估计的代码库，它是基于“PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation”论文开发的。如果您想要下载clean-pvnet代码并配置环境，可以按照以下步骤进行操作： 1. 使用命令`git clone https://github.com/zju3dv/clean-pvnet.git`下载代码。 2. 配置环境，可以使用以下命令： ``` conda create -n pvnet python=3.7 conda activate pvnet conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2 -c pytorch pip install Cython==0.28.2 sudo apt-get install libglfw3-dev libglfw3 pip install -r requirements.txt ``` 这些命令将创建一个名为`pvnet`的虚拟环境，并安装所需的依赖项。 3. 当您运行`run.py`时，输出日志将显示运行的进度和结果。根据提供的日志，运行看起来是成功的，并输出了一些信息。 4. 对于权重文件，根据提供的信息，训练好的权重文件可能存储在代码库的某个目录中。 请注意，这只是对clean-pvnet的简要介绍，如果您需要更多详细信息或有其他相关问题，请参考论文和代码库中的文档。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [【复现笔记】clean-pvnet复现](https://blog.csdn.net/weixin_54470372/article/details/128293400)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值