点云 检测
文章平均质量分 89
点云 3D 检测相关
77wpa
不积跬步,无以至千里;不积小流,无以成江海
展开
-
点云 3D 目标检测 - RangeDet(ICCV 2021)
在本文中,我们提出了一种基于无锚单级激光雷达的3D目标检测器——RangeDet。与以前的工作最显著的区别是,我们的方法完全基于距离视图表示。与常用的体素化或鸟瞰图(BEV)表示相比,距离视图表示更紧凑,没有量化误差。尽管有工作将其用于语义分割,但其在目标检测中的性能在很大程度上落后于体素化或BEV对应物。我们首先分析了现有的基于距离视图的方法,并发现了先前工作中忽略的两个问题:1)附近和远处目标之间的尺度变化;2) 特征提取中使用的2D距离图像坐标与输出中使用的3D笛卡尔坐标之间的不一致。原创 2023-01-30 11:34:56 · 2270 阅读 · 0 评论 -
点云 3D 目标检测 - SECOND(Sensors 2018)
基于LiDAR或RGB-D的目标检测被用于从自动驾驶到机器人视觉的许多应用中。基于体素的3D卷积网络已被用于在处理点云LiDAR数据时增强信息的保留。然而,问题仍然存在,包括推理速度慢和方向估计性能低。因此,我们研究了一种用于此类网络的改进的稀疏卷积方法,该方法显著提高了训练和推理的速度。我们还引入了一种新的角度损失回归形式来提高方向估计性能,并引入了一个新的数据增强方法来提高收敛速度和性能。所提出的网络在KITTI 3D目标检测基准上产生最先进的结果,同时保持快速推断速度。原创 2022-12-29 14:48:57 · 2169 阅读 · 1 评论 -
点云 3D 目标检测 - VoxelNet(CVPR 2018)
精确检测3D点云中的物体是许多应用中的中心问题,例如自主导航、家政机器人和增强/虚拟现实。为了将高度稀疏的LiDAR点云与区域提案网络(RPN)连接起来,大多数现有工作都集中在手工制作的特征表示上,例如鸟瞰投影。在这项工作中,我们消除了对3D点云的手动特征工程的需求,并提出了VoxelNet,这是一种通用的3D检测网络,它将特征提取和边界框预测统一到单个阶段、端到端可训练的深度网络中。原创 2022-12-17 11:47:09 · 3203 阅读 · 6 评论 -
点云 3D 目标检测 - PointPillars(CVPR 2019)
点云 3D 目标检测 - PointPillars1. 文章信息2. PointPillars 简介2.1 算法特点2.2 模型结构2.2.1 Pillar Feature Net2.2.2 Backbone (2D CNN)2.2.3 Detection Head (SSD)1. 文章信息文章标题PointPillars: Fast Encoders for Object Detection from Point Clouds (2019)文章链接https://arxiv.org/ab原创 2022-03-08 14:29:05 · 12371 阅读 · 14 评论 -
点云 3D 目标检测 - CenterPoint:Center-based 3D Object Detection and Tracking(CVPR 2021)
三维目标通常表示为点云中的三维长方体。这种表示模拟了经过充分研究的基于图像的2D边界框检测,但存在额外的挑战。三维世界中的目标不遵循任何特定的方向,基于框的检测器很难枚举所有方向或将轴对齐的边界框拟合到旋转的目标。在本文中,我们建议将3D目标表示、检测和跟踪为点。我们的框架CenterPoint首先使用关键点检测器检测目标的中心,然后回归到其他属性,包括3D大小、3D方向和速度。在第二阶段,它使用目标上的其他点特征来细化这些估计。在CenterPoint中,3D目标跟踪简化为贪婪的最近点匹配。原创 2022-03-08 16:15:44 · 6506 阅读 · 0 评论 -
点云 3D 目标检测 - 开源算法集合
点云 3D 目标检测开源算法集合1. 点云 3D 目标检测开源算法集合1. 点云 3D 目标检测开源算法集合OpenPCDetDet3DMMDetection3D原创 2021-01-06 20:05:38 · 3217 阅读 · 1 评论 -
目标检测 - 评价指标
目标检测 - 评价指标1. AP & mAP1. AP & mAPAP:PR 曲线下面积(下面会说明)mAP:mean Average Precision, 即各类别 AP 的平均值TP、FP、FN、TNTrue Positive (TP): IoU> ( 一般取 0.5 ) 的检测框数量(同一 Ground Truth 只计算一次)False Positive (FP): IoU<= 的检测框数量,或者是检测到同一个 GT 的多余检测框的数量False Negat原创 2021-01-25 11:03:32 · 1366 阅读 · 0 评论