《FlowNet3D》（CVPR2019）--直接从点云中估计场景流

最新推荐文章于 2024-08-12 08:25:49 发布
最新推荐文章于 2024-08-12 08:25:49 发布
阅读量4.4k 收藏 28
点赞数 2
分类专栏： 激光雷达 感知
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/hailanglin/article/details/103298602
版权
FlowNet3D是CVPR2019的一篇论文，提出了一种直接从点云中估计场景流的端到端网络。它包括点特征学习、点混合和流细化三个模块，利用set conv和set upconv层处理点云数据。论文在FlyingThings3D和KITTI数据集上进行了测试，评估了端点误差和流量估计精度。
摘要由CSDN通过智能技术生成

暴走兔学习了CVPR 2019的论文：《FlowNet3D: Learning Scene Flow in 3D Point Clouds》，为了更好的理解该论文（年纪大了容易忘），在此做个总结性的阅读笔记，争取言简意赅、简单粗暴地描述出论文作者们所作的工作，如果能对相关研究方向的小伙伴有借鉴意义，那就更好了。不喜勿喷，直接移步就好了~

项目地址：https://github.com/xingyul/flownet3d

一句话介绍：

FlowNet3D----是一种点云的端到端的场景流估计网络，能够直接从点云中估计场景流。

  输入：连续两帧的原始点云；

  输出：第一帧中所有点所对应的密集的场景流。

  如图所示：

  flownet3d网络为第一帧中的每个点估计一个平移流向量，以表示它在两帧之间的运动。

FlowNet3D架构

如图所示&

最低0.47元/天 解锁文章
x王大宝w暴走兔
关注
专栏目录
51-32 CVPR’24 | 3DSFLabelling，通过伪自动标注增强 3D 场景流估计
AIgraphX
03-18 1141
3DSFLabelling 提出3D 场景自动标注新框架，以及 3D 场景流数据增强方法，引入各种场景运动模式，显著提高了3D场景流标签多样性。在没有手工标注情况下，性能优于以前任何有监督和无监督的 3D 重建模型。
自动驾驶TPM技术杂谈 ———— 场景流
最新发布
永远的菜鸡小詹的博客
08-27 1109
场景流（Scene Flow）可以理解为空间中场景的三维运动场，即空间中每一点的位置信息和其相对于摄像头的移动。场景流估计的一种方式是光流估计和深度估计的结合。光流是一种二维运动场，是空间中每一点沿摄像头平面的运动状态，深度信息表达是空间中每一点到摄像头的距离，其变化量是物体沿垂直摄像头方向的变化。光流和深度变化可以理解为对三维运动场的一种分解。对光流和深度估计的实现可以使我们对空间中任意点的三维运动状态都掌握。
FlowNet3D - Learning Scene Flow in 3D Point Clouds[CVPR2019]
cxy666
06-21 939
[论文链接] | [代码链接] \qquad本文作者提出了一个端到端估计场景流的网络结构——FLowNet3D。在FLowNet3D中引入了两个新的点云学习层：（1）学习联系两帧点云的flow embedding层；（2）学习将特征从一个点集传播到另一个点集的set upconv层。 \qquadFlowNet3D主要包含以上三个模块：（1）set conv层学习点云中点的特征，并对点云进行下采样；（2）flow embedding层学习两帧点云的几何联系以预测流；（3）set upcon.
FlowNet3D 使用教程
gitblog_00090的博客
08-12 416
FlowNet3D 使用教程 flownet3d项目地址:https://gitcode.com/gh_mirrors/fl/flownet3d 项目介绍 FlowNet3D 是一个用于处理三维点云数据的开源项目，主要用于估计点云之间的三维运动。该项目基于深度学习技术，通过训练神经网络来预测点云数据中的运动向量。FlowNet3D 在自动驾驶、机器人导航和三维重建等领域有着广泛的应用。 项目快速...
RAFT-3D: 基于刚体变换的场景流估计（ICCV 2021）
3D视觉工坊
12-21 991
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨泡泡图灵智库来源丨泡泡机器人SLAM标题：RAFT-3D: Scene Flow using Rigid-Motion Emb...
[论文翻译]场景流估计的开山之作：Three-Dimensional Scene Flow（ICCV1999）
Javier.Lin_HUST的博客
01-30 1838
场景流是世界上点的三维运动场，就像光流是图像中点的二维运动场一样。任何光流都只是场景流在相机像平面上的投影。在本文中，我们提出了一个从光流计算稠密、非刚性场景流的框架。我们的方法为简单的线性算法，并将任务分类为三个主要场景：( 1 )完整的场景结构的瞬时知识，( 2 )仅有对应信息的知识，( 3 )没有场景结构的知识。我们还表明，在没有某种形式的平滑或正则化的情况下，无法直接使用正常流的多个估计来估计稠密场景流。
FlowNet3D Learning Scene Flow in 3D Point Clouds学习笔记（CVPR2019）
wmhsjtu的博客
06-29 492
FlowNet3D: Learning Scene Flow in 3D Point Clouds学习笔记（CVPR2019） 文章目录FlowNet3D: Learning Scene Flow in 3D Point Clouds学习笔记（CVPR2019）1 摘要2 概述3 网络结构point feature learningpoint mixtureflow refinementNetwork Architecture4 训练与预测Training loss with cycleconsistenc
文章解读 -- FlowNet3D：Learning Scene Flow in 3D Point Clouds
Darchan的博客
08-01 702
一种名为 FlowNet3D 的新型深度神经网络，它以端到端的方式从点云中学习场景流。
"FlowNet3D：点云中学习场景流
虽然大多数以前的方法集中在立体和RGB-D图像作为输入，很少尝试直接从点云估计场景流。在这项工作中，我们提出了一个新的点云1：n1 ×3点云2：n2 ×3场景流：n1 ×3一个名为FlowNet3D的深度神经网络，以端到端的方式...
FlowNet3D：3D点云中的场景流学习与应用
"FlowNet3D: Learning Scene Flow in 3D Point Clouds是CVPR2019上发表的一篇顶会论文，主要研究如何使用深度神经网络从3D点云数据中估计场景流。文章提出了一个名为FlowNet3D的新颖网络，能以端到端的方式学习点云...
flownet3d-master.zip
01-31
基于学习的3D点云中的场景流估计。可利用名为FlowNet3D的深度神经网络从端到端的结构中学习3D场景流。该网络同时学习深层次结构特征和代表点运动的流嵌入。
FlowNet3D Learning Scene Flow in 3D Point Clouds.pdf
01-31
CVPR2019中关于3D点云的场景流估计的文章、该文使用深度神经网络从3D 点云中估计场景流。提出了一种端到端的3D点云场景流估计，引入了两个学习层，并应用于LiDAR采集的KITTI数据集
光流场景流估计交流群
qq_41942564的博客
07-31 387
大家可以进群交流，最好是研究方向为光流及场景流估计方向的研究生、博士等，可以分享探讨相关的论文。
CVPR'24 | DifFlow3D：场景流估计新SOTA，扩散模型又下一城！
CV_Autobot的博客
03-27 686
点击下方卡片，关注“自动驾驶之心”公众号戳我->领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心技术交流群编辑 | 自动驾驶之心原标题：DifFlow3D: Toward Robust Uncertainty-Aware Scene Flow Estimation with Iterative Diffusion-Based Refinement论文链接：https:...
【PCL自学:Feature1】点云特征估计(持续更新)
斯坦福的兔子的博客
02-04 2817
一、Feature库 点云特征估计简述及代码解析   本文介绍了PCL中的三维点特征估计方法，并为对PCL:: feature类的内部结构感兴趣的用户或开发人员提供了指南。查看官方源文档请点击这里   点的特征估计 在 特征点搜索、点云配准、点云分割、三维物体识别等领域中常用，所谓的特征包括点云法向、曲率等，常用于点云预处理阶段当中。本文仅简要概述特征估计的原理，详细的点云特征估计论文请点击这里获取 名词：点的特征估计   3D映射系统概念中定义的 点 是相对于给定的原点，并使用它们的笛卡尔坐标x、y、z.
学习笔记17--场景流之深度估计
FUXI_Willard
01-06 3712
本系列博客包括6个专栏，分别为：《自动驾驶技术概览》、《自动驾驶汽车平台技术基础》、《自动驾驶汽车定位技术》、《自动驾驶汽车环境感知》、《自动驾驶汽车决策与控制》、《自动驾驶系统设计及应用》，笔者不是自动驾驶领域的专家，只是一个在探索自动驾驶路上的小白，此系列丛书尚未阅读完，也是边阅读边总结边思考，欢迎各位小伙伴，各位大牛们在评论区给出建议，帮笔者这个小白挑出错误，谢谢！ 此专栏是关于《自动驾驶汽车环境感知》书籍的笔记 4.场景流 概述： 场景流(scene flow)：空间中场景的三维运动场，即空间
FlowNet3D论文学习笔记
幽冥小龙的博客
06-04 3284
FlowNet3D论文学习笔记1 概述2 网络结构2.1 set conv层2.2 flow embedding层2.3 set upconv 层 1 概述 FlowNet3D 这篇文章研究场景流（scene flow）估计的问题。场景流的用处很多，诸如物体分割，动作识别，相机位姿估计（object segmentation, action recognition, camera pose est...
IROS2022 | 4D车载雷达自监督场景流估计（上汽、爱丁堡大学）
CV_Autobot的博客
10-24 590
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【IROS2022】获取IROS2022所有自动驾驶方向论文！作者单位：爱丁堡大学，上汽集团论文：https://arxiv.org/abs/2203.01137主页：https://toytiny.github.io/projects/raflow/raflow.html代码：https:...
FlowNet3D: 点云中3D场景流的深度学习
传统的场景流估计方法大多依赖于立体视觉（stereo）和RGB-D图像作为输入，然而FlowNet3D则是首个尝试直接从3D点云中预测场景流的深度神经网络。 FlowNet3D的核心创新在于其网络架构，它采用了一种端到端的学习方式...
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