3D点云检测笔记

已于 2022-06-08 14:59:37 修改
阅读量1.9k 收藏
点赞数
分类专栏： 深度学习宝典 3D视觉 文章标签： 3d
于 2021-04-30 17:55:54 首次发布
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/jacke121/article/details/116307632
版权

目录

F-PointNet

3dssd:

学习资料：

基于激光雷达点云的3D目标检测算法论文总结 - 知乎

PointNet++

PointPillars: 基于点云的快速目标检测框架

ost Detector

3D点云检测网络VoxelNet

Lidar 3D 物体检测的难点

2022点云检测笔记：

点云检测笔记2022_AI视觉网奇的博客-CSDN博客

F-PointNet

文章阅读：F-PointNet +代码复现_有所为，有所成长-CSDN博客

https://github.com/charlesq34/frustum-pointnets

3dssd:

预训练80m

https://github.com/qiqihaer/3DSSD-pytorch-openPCDet

回顾FPS（最远点采样）：来自于pointnet++，是下采样的一种方法。点云不像图像它是稀疏的，如果对所有点随机采样，不能保证点云分布的均匀性。因此采用如下方案：
取一个点P1&

了解本专栏 订阅专栏 解锁全文 超级会员免费看
AI算法网奇
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
PCL点云处理之曲线拟合（二十二）
weixin_44329757的博客
09-09 5950
曲线点拟合
点云最小二乘法拟合曲线
dayuhaitang1的博客
04-01 2095
文章目录一、引言 一、引言
3D点云目标检测-PointPillars算法解析
最新发布
weixin_51021488的博客
05-30 924
文章将点云数据转为点柱形式，以伪图像特征进行特征编码，避免了复杂的3D卷积的影响，提高了3D目标检测的速度，代码实现中还有不少细节值得解析，如为了防止角度抖动，增加的角度回归时的方向偏移值、 进行iou计算时所用到的部分面积求解相关数学公式。（叉乘、点乘相关数学性质！本人水平有限，若存在错误，请各位指正！
CloudCompare——距离测量
点云侠的博客
12-30 1万+
CloudCompare——距离测量
3D点云 (Lidar)检测入门篇 ： PointPillars PyTorch实现
3D视觉工坊
05-30 3427
作者丨千百度@知乎来源丨https://zhuanlan.zhihu.com/p/521277176编辑丨3D视觉工坊基于Lidar的object检测模型包括Point-based [PointRCNN(CVPR19),IA-SSD(CVPR22)等], Voxel-based [PointPillars(CVPR19),CenterPoint(CVPR21)等]，P...
SUSTechPOINTS:用于自动驾驶的3D点云注释平台
05-03
SUSTechPOINTS：点云3D边界框注释工具消息2020.4.2自动偏航角（z轴）预测。笔记该项目仍处于开发阶段，某些功能/算法需要尚未上传的软件包，我们将尽快上载它们。特征9自由度框编辑编辑透视图和投影视图多个摄像机...
SOR_点云去噪声_
09-30
Python库如`pandas`、`numpy`以及专门处理点云的库如`PCL（Point Cloud Library）`或`Open3D`可以方便地完成这个任务。 2. **邻域定义**：为了计算每个点的邻域信息，你需要选择一个合适的邻域半径。这取决于点云的...
毫米波雷达+雷达点云处理+跌倒检测系统+跌倒检测
10-06
本应用笔记详细介绍了一种基于IWR6843的跌倒检测系统的实现方法。该系统借鉴了TI提供的IWR6843三维人员统计参考设计，通过分析人员高度变化来识别跌倒事件。在室内环境中，系统能有效检测到人员的跌倒情况，确保了...
3D_notes.rar
09-24
在"3D_notes.rar"这个压缩包中，我们可以预见到包含的笔记将深入探讨3D SLAM的相关理论和技术。 3D SLAM的核心任务是构建三维环境的地图，并在此过程中确定机器人自身的精确位置。相比于2D SLAM，3D SLAM增加了另一...
用于3D激光雷达SLAM闭环检测的词袋模型 BoW3D
10-07
传统的回环检测方法可能在处理大量3D点云数据时遇到计算效率问题，而BoW3D采用的LinK3D特征则通过降维和编码技术，降低了计算复杂度，使得在大规模环境中也能实现实时回环检测。此外，由于LinK3D特征对位姿变化具有...
【CloudCompare教程】012：基于点云数据的测量功能
「 刘一哥与GIS的故事」
05-30 2518
在点云上拖动鼠标，绘制一个矩形，释放鼠标，弹出窗口，输入名称。 一、加载地形点云数据 二、基于点云数据的测量功能 1. 选择单点并显示信息 2. 选择两点并显示分割信息 3. 选择三点并显示相关三角形信息 4. 定义矩形2D标签 5. 保存当前标签（添加到点云子节点） 6. 刷新 7. 退出量测工具 三、注意事项
3D点云检测神技 | UFO来了！让PointPillars、PV-RCNN统统涨点！
CV_Autobot的博客
01-16 441
作者|AI驾驶员 编辑| 智驾实验室点击下方卡片，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【3D目标检测】技术交流群本文只做学术分享，如有侵权，联系删文在这篇论文中提出了一个关于在3D点云中检测未知前景物体（UFO）的新问题，这是自动驾驶在野外中的一个关键技术。UFO检测具有挑战性，因为现有的3D目标检测器在3D定位和Out-of-Distribution...
3d点云检测学习笔记
m0_54218171的博客
03-18 190
新人小白的个人笔记，持续完善中
点云 3D 目标检测 - PointPillars（CVPR 2019）
77wpa的博客
03-08 1万+
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
halcon点云测量软件，3D测量软件，C#联合halcon视觉系统
XDbhnReCqv的博客
01-17 718
点云处理软件则是针对点云数据进行处理和分析的软件，可以从点云数据中提取出有用的信息，并进行进一步的处理和应用。Halcon点云测量软件结合了这两种功能，使得程序员能够在一个软件平台上完成各种视觉和点云相关的任务，极大地简化了开发和使用的复杂度。总结起来，Halcon点云测量软件是一款功能强大的3D测量软件，通过与C#联合使用，可以更加高效地开发出3D视觉检测系统。halcon点云测量软件，3D测量软件，C#联合halcon视觉系统，通用视觉软件，通用点云处理软件，测量软件，3D视觉检测系统，源码。
3D点云目标检测算法综述
weixin_43750626的博客
11-19 8493
3D点云目标检测综述，从 pointnet到centernet，介绍各种深度学习点云检测算法
激光点云3D目标检测算法之CenterPoint
DeepDriving
05-19 2361
是CVPR 2021的论文《》中提出的一个激光点云3D目标检测与跟踪算法框架，与以往算法不同的是，该算法不用边界框而是提出用关键点来表示、检测和跟踪3D目标：在检测流程中，第一阶段先用一个关键点检测器去检测目标的中心点，然后再用中心点特征回归出目标的3D尺寸、朝向和速度等属性，第二阶段再基于该目标额外的点特征去对这些属性进行优化；目标跟踪则被简化为一个简单的最近点匹配过程。提出的3D目标检测与跟踪算法非常简单而高效，在nuScenes和Waymo数据集上都取得了SOTA的性能表现。论文链接代码链接本文将对。
备战秋招！点云3D目标检测总结
CV_Autobot的博客
07-18 380
作者|求求你们别学了 编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/643180137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【3D目标检测】技术交流群后台回复【3D检测综述】获取最新基于点云/BEV/图像的3D检测综述！本文只做学术分享，如有侵权，联系删文pointnet：分别对每个点进行特征提取(卷积或...
点云概念与点云处理
热门推荐
hongju_tang的博客
12-14 8万+
点云概念 点云与三维图像的关系：三维图像是一种特殊的信息表达形式，其特征是表达的空间中三个维度的数据，表现形式包括：深度图（以灰度表达物体与相机的距离），几何模型（由CAD软件建立），点云模型（所有逆向工程设备都将物体采样成点云）。和二维图像相比，三维图像借助第三个维度的信息，可以实现天然的物体——背景解耦。点云数据是最为常见也是最基础的三维模型。点云模型往往由测量直接得到，每个点对应一个测量点，...
transformer 3d点云目标检测
12-24
Transformer 3D点云目标检测是一种基于Transformer架构的深度学习模型的应用，用于在3D空间中识别和定位目标物体。传统的目标检测方法通常是基于2D图像进行处理，而Transformer 3D点云目标检测则能够直接在三维点云数据上进行目标检测，更加适用于现实世界中的物体识别和场景理解。 Transformer 3D点云目标检测的工作原理是将3D点云数据转化为Transformer模型所需要的输入格式，然后通过Transformer模型对输入数据进行处理和分析，最终输出目标物体的类别和位置信息。这种方法能够更好地捕捉物体在三维空间中的特征和位置信息，提高了目标检测的准确性和稳定性。 与传统的基于2D图像的目标检测方法相比，Transformer 3D点云目标检测能够更好地应对复杂的三维场景和物体形状，对于自动驾驶、机器人感知、工业生产等领域具有重要的应用意义。目前，这一领域的研究和应用仍处于不断探索和改进的阶段，但相信随着深度学习技术的不断发展，Transformer 3D点云目标检测将会在各个领域取得更多的突破和应用。
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

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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