![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
3D目标检测
baobei0112
这个作者很懒,什么都没留下…
展开
-
SA-SSD那点事儿
1,辅助网络部分:黑色点是point cloud原点,黄色点是tensor根据voxel index换原回原始点云后的坐标(也就是voxel内几何中心的实际位置,这个位置是虚拟的,不一定存在),黄色点外面的圈是tensor特征。 辅助网络的过程就是:(1),根据tensor2points计算出该特征对应原点云空间的位置,该位置不一定存在真实的原始点,只是个逻辑点。(2),真实点云中的点是没有特征的,需要根据插值方法选择3个距离它最近的黄色的点,将他们的特征插值一份赋给原始点云中的点,这样它们就有原创 2021-12-15 02:16:21 · 2449 阅读 · 0 评论 -
CVPR2021
CVPR2021最全1660篇pdf(4.3G)链接: https://pan.baidu.com/s/1GWkqUOcO6KMOu-uLJrSpbA 提取码: vwkx原创 2021-12-08 15:07:57 · 125 阅读 · 0 评论 -
点绕三维坐标轴变换
首先出一个清晰的问题让你知道这个博客是在讲什么?如下,这是一个三维坐标(没错就是右手坐标系),然后在xoy平面上我们有一条直线OA,A的坐标是(x0,y0,z0),我们让OA绕着y轴顺时针旋转β角,求转完以后的A点新的坐标?其实这些都是有公式的。注意:关于旋转的正方向,OpenGL与多数图形学书籍规定旋转正方向为逆时针方向(沿着坐标轴负方向向原点看),比如Computer Graphics C Version,p409。==============左手坐标系下(Unity,Dire.转载 2021-11-18 10:38:27 · 195 阅读 · 0 评论 -
PointRCNN代码里的那些事儿
1,回归loss计算:不直接回归location,而是把location回归问题转成分类问题,x方向6个bin,z方向6个bin,y方向1个bin,yaw角9个bin,一个bin10°rcnn_reg 输出为 batchsize*46,这46维 = 6_xbin_crossentropy_loss + 6_zbin_crossentropy_loss +6_xbin_l1_loss +6_zbin_l1_loss + 1_ybin_crossentropy_loss + 9_yaw_ent...原创 2021-03-09 10:41:38 · 739 阅读 · 1 评论 -
三维空间坐标系变换-旋转矩阵
空间中三维坐标变换一般由三种方式实现,第一种是旋转矩阵和旋转向量;第二种是欧拉角;第三种是四元数。这里先介绍旋转矩阵(旋转向量)与欧拉角实现三维空间坐标变换的方法以及两者之间的关系。 这里以常见的世界坐标系与相机坐标系间的变换为例。一、首先介绍从相机坐标系转换到世界坐标系,也就是比较通用的body到世界坐标系间的转换。 那么旋转的欧拉角按从世界坐标系转换到相机坐标系的过程,先按z轴旋转、之后y轴旋转、之后x轴旋转,最终得到相机坐标系,得到的角度分别是yaw、pitch...转载 2021-02-25 10:34:48 · 16173 阅读 · 4 评论 -
PointNet++中的FP模块插值的代码实现细节
1. 前言处于科研需要,我需要理解PointNet++中的Interpolated (propogated) features,即特征插值计算过程(如果不需要当然就不去理解它啦)。它的公式所示:它在代码中的实现如下所示:# known 表示已知点的位置信息 [m,4]# known_feats 表示已知点的特征信息 [m,C]# unknown 表示需要插值点的位置信息 [n,4],一般来所,n>m# interpolated_feats 表示需要插值点的特征信息 [n,C...转载 2020-12-31 13:17:24 · 1902 阅读 · 1 评论 -
从PointNet到PointNet++理论及代码详解
从PointNet到PointNet++理论及代码详解1. 点云是什么 1.1 三维数据的表现形式 1.2 为什么使用点云 1.3 点云上以往的相关工作 2. PointNet 2.1 基于点云的置换不变性 2.1.1 由对称函数到PointNet(vanilla) 2.1.2 理论证明 2.2 基于点云的旋转不变性 2.3 网络总体结构 2.4 实验结果和网络的鲁棒性 2.5 代码解析 3. PointNet++ 3.1 Po转载 2020-12-22 15:47:31 · 837 阅读 · 0 评论 -
PointNet++作者的视频讲解文字版
PointNet++作者的视频讲解文字版 转载请注明本文链接:https://www.cnblogs.com/Libo-Master/p/9759130.htmlPointNet: Deep Learning on Point Sets for 3D Classification and SegmentationPointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric SpacePaper readi转载 2020-12-09 16:09:16 · 385 阅读 · 0 评论 -
PointNet系列论文解读
PointNet系列论文解读1.简介此系列论文首先提出了一种新型的处理点云数据的深度学习模型-PointNet,并验证了它能够用于点云数据的多种认知任务,如分类、语义分割和目标识别。不同于图像数据在计算机中的表示通常编码了像素点之间的空间关系,点云数据由无序的数据点构成一个集合来表示。因此,在使用图像识别任务的深度学习模型处理点云数据之前,需要对点云数据进行一些处理。目前采用的方式主要有两种: 将点云数据投影到二维平面。此种方式不直接处理三维的点云数据,而是先将点云投影到某些特定视角再处理,如转载 2020-12-07 16:16:35 · 237 阅读 · 0 评论