课程笔记-三维点云处理06 ——3D Object Detection（下）

最新推荐文章于 2023-05-11 19:36:23 发布
最新推荐文章于 2023-05-11 19:36:23 发布
阅读量335 收藏 3
点赞数
分类专栏： 课程笔记 文章标签： 人工智能 计算机视觉 深度学习
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/Jason_____Wang/article/details/115832447
版权

课程笔记-三维点云处理06 ——3D Object Detection（下）

本系列笔记是对深蓝学院所开设的课程：《三维点云处理》的笔记 课程每周更新，我也会努力将每周的知识点进行总结，并且整理成笔记发上来，欢迎各位多多交流&批评指正！！
本文主要为课程第六章的笔记！ 由于第六章继续进行深度学习领域知识讲解，因此不仅知识量陡增，课程量也加大，因此本章将分为上下两篇笔记进行记录。
本息可主要讲3D物体感知的昂发，介绍基于图像的、基于体素和点云的、以及基于融合的3D物体感知深度学习方法及经典理论

课程链接：

三维点云处理——深蓝学院
正式内容:
####################################################

本节课大纲：
############################################################
在这里插入图片描述

VoxelNet, PointPillars

对于三维数据的处理方式有以下四种：
在这里插入图片描述
多为结合2D的神经网络思想与方法，主要都是1stage和2stage方法，主要主干为基于图像的CNN解决方法和pointnet 的直接解决方法。

voxelnet

在这里插入图片描述
在这里插入图片描述

最低0.47元/天 解锁文章
Jason_____Wang
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
课程资源下载汇总（三维点云处理、多传感器融合、机器人学状态估计）
wtlll的博客
11-17 2195
1.前言 方便大家找资料，也为了避免视频在其他地方频繁被和谐，所以选了在这里写个集合，大家看到了就自行保存吧。。。 2.课程内容 2.1 激光SLAM的发展和应用 下载地址：传送门 课程介绍： SLAM（同步定位与地图构建），是指运动物体根据传感器的信息，一边计算自身位置，一边构建环境地图的过程，解决机器人在未知环境下运动时的定位与地图构建问题。目前，SLAM 的主要应用于机器人、无人机、无人驾驶、AR等领域。按传感器来分，SLAM 主要分为激光 SLAM 和 视觉SLAM （VSLAM）两大类。其
《BUILDING CHANGE DETECTION BASED ON 3D RECONSTRUCTION》
test
01-10 705
研究思路： 摘要： 不同时期建筑物自动变化检测对于城市监测、灾害评估、地图更新等具有重要意义。现有的数据源可用于三维几何模型（如数字表面模型、地理信息系统）和来自卫星或特种飞机的辐射图像。然而，使用上述方法进行及时变化检测的费用是非常昂贵的。随着无人机技术的迅速发展，在低海拔地区利用高分辨率摄像机捕捉城市建筑物图像正在变得越来越便宜。使用这些易获得的无人机图像，提出了一种基于三维重建生成变
三维点云课程（一）——点云基础介绍
HUASHUDEYANJING的博客
07-10 6123
密度不均匀不规则没有纹理信息（三人成车）对深度学习的特点： 无序性 旋转不变性 主成分分析在点云中的作用 矩阵的运算：PCA ： ​​​​​​​ 降维和升维肯定有数据损失，所以要选取重要的主向量PCA是线性的 第一列是输入的图像，例如30*30就是900维的矩阵，把900维的矩阵在l个主向量上投影得到l组a，第二列是计算平均值所以都一样。可以看到由6个主向量来重构图片（最后一列）可以达到识别的效果。对每组a进行聚类，传入新的图片与a对比相似度来分类 点云拟合曲面的切面的法向
从零入门激光SLAM（九）——三维点云基础
HUASHUDEYANJING的博客
05-11 4890
点云是一个数据集，数据集中的每个点代表一组X、Y、Z几何坐标和一个强度值，这个强度值根据物体表面反射率记录返回信号的强度。当这些点组合在一起时，就会形成一个点云，即空间中代表3D形状或对象的数据点集合。主要特征如下：Ø 密度不均匀（稀疏性）Ø 不规则Ø 没有纹理信息（三人成车）Ø 对深度学习的特点：无序性，旋转不变性。
三维点云
z893761325的博客
09-09 3787
什么是点云 在这些短文中，我们将试图去解释非常基础的工程任务流，即点云。 点云是一个在三维空间关联系统中包含点的数据库，即事物或空间的精确数字记录，主要关于表面点的集合。 主要由探测器通过光线接受探测事物表面来的。...
Multi-Modal 3D Object Detection in Autonomous Driving a Surv
09-23
Multi-Modal 3D Object Detection in Autonomous Driving a Survey.zip
【Mybatis-Plus学习笔记三】——Mybatis-Plus实现乐观锁.zip
06-10
【Mybatis-Plus学习笔记三】——Mybatis-Plus实现乐观锁.zip 博客地址：https://blog.csdn.net/weixin_43817709/article/details/117780896
Object Detection in 20 Years：A Survey（笔记）.docx
12-09
Object Detection in 20 Years: A Survey（摘要笔记，可做索引配合阅读）
GEE课程笔记-GEE自学课程笔记
最新发布
01-29
GEE课程笔记---GEE自学课程笔记
【Mybatis-Plus学习笔记二】——Mybatis-Plus进阶使用.zip
06-09
【Mybatis-Plus学习笔记二】——Mybatis-Plus进阶使用.zip 博客地址：https://blog.csdn.net/weixin_43817709/article/details/117751784
综述：三维点云深度学习技术
3D视觉工坊
12-15 1751
作者丨小白@知乎来源丨https://zhuanlan.zhihu.com/p/157791868编辑丨深蓝学院本文是对<Deep Learning for 3D Point Clo...
3D点云系列（一）点云介绍
edward_zcl的博客
03-22 5247
点云数据简介 点云数据（point cloud data）是指在一个三维坐标系统中的一组向量的集合。扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息（RGB）或反射强度信息（Intensity）。 我们常用的点云数据为激光雷达采集的数据，激光雷达的非接触式测量特点，具有测量速度快、精度高、识别准确等优点，成为移动机器人定位导航的核心传感器。在激光雷达技术领域中，目前主要通过三角测距法与TOF方法来进行测...
【文章阅读】IoU Loss for 2D/3D Object Detection
有所为，有所成长
10-25 5666
Brief 最近在实验中发现，3D检测的精度和cls_loss的关系非常的大，一般来说，按照SECOND的代码训练下降到cls_loss大致为0.8左右时，会有一个不错的效果，在验证集上可以达到0.88左右的精度（对car-easy）而言，但是当loss继续向下降的时候，反而得不到刚好的效果，改了一些网络结构，加了一些特征，发现改结构的效果并不如从特征或者其他方面着手容易，因此研究别人如何通过LO...
三维点云课程（六）——三维目标检测
HUASHUDEYANJING的博客
07-21 3164
长方体表示长宽高、中心点、朝向、类别思路先检测后分类。
3D点云基础知识(一)-初始入门-知乎整理（一）
xiaoyaolangwj的博客
03-13 2万+
作者：Mr.苍雪 链接：https://zhuanlan.zhihu.com/p/344635951 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。https://zhuanlan.zhihu.com/p/344635951 3D图像描述 RGB-D 点云 何为点云？ 点云的获取 点云的内容 点云的属性 点云目前的主要存储格式包括：pts、LAS、PCD、.xyz 和. pcap 等 相应基础算法库对不同格式的支持 三维点云有多种表示方法 相比于图像数
三维点云配准
weixin_44179561的博客
06-02 4428
点云数据 点云数据通常表示为N行，至少3列的矩阵，其中N表示点的数量，每一行代表一个点。通常3列分别是点在空间中（x，y，z）的坐标。如果点云数据有除空间中坐标外的附加信息，如来自LIDAR传感器的点云数据，那么它可能具有每个点的附加值，例如“反射率”，其是在该位置中障碍物反射多少激光光束的量度。 在这种情况下，点云数据可能是N×4阵列。 三维点云配准 点云的配准过程，就是求两个点云之间的一个旋转平移矩阵，源点云通过旋转平移矩阵后，变换成和目标点云矩阵相同的矩阵。 可以表示为以下方程： 其中，pt，ps
三维点云——数据标注
热门推荐
Dujing2019的博客
01-27 3万+
数据处理-点云数据标注欢迎使用Markdown编辑器一．标注工具功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使...
课程笔记-三维点云处理06 ——3D Object Detection（上）
Jason_____Wang的博客
04-13 810
课程笔记-三维点云处理06 ——3D Object Detection（上） 本系列笔记是对深蓝学院所开设的课程：《三维点云处理》的笔记 课程每周更新，我也会努力将每周的知识点进行总结，并且整理成笔记发上来，欢迎各位多多交流&批评指正！！ 本文主要为课程第六章的笔记！ 由于第六章继续进行深度学习领域知识讲解，因此不仅知识量陡增，课程量也加大，因此本章将分为上下两篇笔记进行记录。 本息可主要讲3D物体感知的昂发，介绍基于图像的、基于体素和点云的、以及基于融合的3D物体感知深度学习方法及经典理论 课程链
Focal loss 基于pytorch实现.
LG的博客
09-18 3590
Focal_loss 作者是一名深度学习工程师,主要研究计算机视觉与三维点云处理,作者Github:Github.欢迎多多交流. 同时作者也是pytorch中文网的维护者之一,网站会不定时更新深度学习相关文章,欢迎大家多多支持. retinanet是ICCV2017的Best Student Paper Award(最佳学生论文),何凯明是其作者之一.文章中最为精华的部分就是损失函数 Foc...
华为hcip精品课程笔记-wakin
07-16
华为HCIP精品课程笔记-Wakin是一本非常有价值的学习资料。该笔记通过详细介绍HCIP认证的相关知识点和实用技能，为学生提供了一种高效学习的方式。 首先，华为HCIP精品课程笔记-Wakin涵盖了HCIP认证考试需要掌握的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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