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

最新推荐文章于 2024-04-18 10:11:00 发布
最新推荐文章于 2024-04-18 10:11:00 发布
阅读量818 收藏 2
点赞数
分类专栏： 课程笔记 文章标签： 深度学习 cv 计算机视觉 python
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/115656121
版权

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

课程链接：

三维点云处理——深蓝学院
正式内容: ####################################################
本节课大纲：

############################################################

Introduction

本节课大纲：
在这里插入图片描述
先讲二维物理检测；二维神经网络是对于点云处理的基础，有很多方法都是引申过来的，因此有较大的实际意义。

再讲三维点云的物体检测：
voxel based 和pointRCNN 两个点云处理的大类别

物体检测问题：
对于在空间中出现的待检测物体用长方体标出

在这里插入图片描述
输入是一个点云图或者图片，输出是一个3D包围盒，包含参数：长；宽；高；x；y；z；指向；类别；

问题拆分：一般将物体检测拆分成连个子任务：物体的定位和物体的分类
即 先检测有没有，再检测是什么
在这里插入图片描述

基于图像/点云的物体检测所遇挑战、困难或局限性：
图像和点云数据各有利弊，也各有好坏
在这里插入图片描述
因为泛化性比较差，所以即使是发展告诉的神经网络深度学习方法，还是不能较好的解决出来物体检测多种多样的泛化问题。

物体检测的评价方法/评价指标： 跟groundtruth作对比

最低0.47元/天 解锁文章
Jason_____Wang
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
CVPR2020论文解读：3D Object Detection三维目标检测
吴建明wujianming_110117
03-20 1832
CVPR2020论文解读：3D Object Detection三维目标检测 PV-RCNN:Point-Voxel Feature Se tAbstraction for 3D Object Detection 论文链接：https://arxiv.org/pdf/1912.13192.pdf 本文在LITTI数据集3D Object Detection三维目标检测性能排名第一。 摘要 提出...
【3D目标检测】3D Object Detection for Autonomous Driving: A Survey
可乐大牛的博客
10-22 2279
这是一篇21年的综述，介绍了3D目标检测背景、传感器以及基于传感器的算法分类及其特点。
点云 3D 目标检测 - PointPillars（CVPR 2019）
热门推荐
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
Awesome-3D-Object-Detection：开启三维物体检测的新篇章
最新发布
gitblog_00026的博客
04-18 381
Awesome-3D-Object-Detection：开启三维物体检测的新篇章 项目地址:https://gitcode.com/TianhaoFu/Awesome-3D-Object-Detection 该项目[1](https://gitcode.com/TianhaoFu/Awesome-3D-Object-Detection)由Tianhao Fu创建，是一个精心整理的资源库，主要聚焦于...
论文解读--PointPillars- Fast Encoders for Object Detection from Point Clouds
奔袭的算法工程师
12-05 1500
点云中的物体检测是许多机器人应用(如自动驾驶)的重要方面。在本文中，我们考虑将点云编码为适合下游检测流程的格式的问题。最近的文献提出了两种编码器;固定编码器往往很快，但牺牲了准确性，而从数据中学习的编码器更准确，但更慢。在这项工作中，我们提出了PointPillars，这是一种新颖的编码器，它利用PointNets 来学习以垂直列(柱子)组织的点云表示。虽然编码的特征可以与任何标准的2D卷积检测体系结构一起使用，但我们进一步提出了一个精益下游网络。
三维点云数据处理及算法实践
3D视觉工坊
11-23 1362
三维点云是最重要的三维数据表达方式之一，相比于图像而言，点云自身的特性使其更难处理：首先，点云是不规则分布的，比图像的规则网格更难，并且点云更稀疏；其次，点云缺少了图像中的纹理，导致在语义分析方面较为困难。与图像相比，点云有这些糟糕的特性，为什么三维点云在计算机视觉、自动驾驶、机器人等领域仍然得到了越来越多的广泛应用呢？这是因为点云比2D图像多提供了一个维度的信息，即深度信息。世界本来处于三维空间...
详解3D物体检测模型: Voxel Transformer for 3D Object Detection
10点43的博客
04-13 6317
论文链接为：https://arxiv.org/pdf/2109.02497.pdf 项目链接为：https://github.com/PointsCoder/VOTR
Multi-Modal 3D Object Detection in Autonomous Driving a Surv
09-23
标题 "Multi-Modal 3D Object Detection in Autonomous Driving a Surv" 指向的主题是自动驾驶中的多模态3D物体检测技术的调查研究。在自动驾驶领域，3D物体检测是核心的技术之一，它允许车辆感知环境，识别出周围的...
【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
这篇摘要笔记回顾了过去20年里目标检测技术的发展，涵盖了从传统方法到深度学习方法的演变。 传统目标检测算法如HOG Detector（方向梯度直方图）和DPM（Deformable Part Model）利用特征描述符来识别物体。HOG通过...
GEE课程笔记-GEE自学课程笔记
01-29
GEE课程笔记---GEE自学课程笔记
3D Object Detection with Latent Support Surfaces
07-04
We develop a 3D object detection algorithm that uses latent support surfaces to capture contextual relationships in indoor scenes. Existing 3D representations for RGB-D images capture the local shape and appearance of object categories, but have limited power to represent objects with different visual styles. The detection of small objects is also challenging because the search space is very large in 3D scenes. However, we observe that much of the shape variation within 3D object categories can be explained by the location of a latent support surface, and smaller objects are often supported by larger objects. Therefore, we explicitly use latent support surfaces to better represent the 3D appearance of large objects, and provide contextual cues to improve the detection of small objects. We evaluate our model with 19 object categories from the SUN RGB-D database, and demonstrate state-of-the-art performance
【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
【3D目标检测】Frustum PointNets for 3D Object Detection from RGB-D Data
可乐大牛的博客
11-16 1623
首先本文是基于图像和点云的，属于早期的模态融合的成果，是串行的算法，而非并行的，更多的是如何根据图像和点云进行3D目标检测的思考。以往基于点云的算法，要么是将点云进行编码成规则结构如体素、体柱，然后进行处理，要么是将点云转换成鸟瞰图，然后进行处理。当然也有一些工作比如PointNet类的算法，但是它们能进行分类和分割，并没有进行目标检测。
课程笔记-三维点云处理07——3D Feature Detection
Jason_____Wang的博客
04-28 834
课程笔记-三维点云处理07—— 3D Feature Detection 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！！ 本文主要为课程第七章的笔记！ 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。 本节课主要讲3D特征感知，介绍 课程链接： 三维点云处理——深蓝学院 本节课大纲： #####################
课程笔记-三维点云处理06 ——3D Object Detection（下）
Jason_____Wang的博客
04-18 342
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
Frustum PointNets for 3D Object Detection from RGB-D Data 论文学习笔记
weixin_43508459的博客
10-31 897
Abstract 论文中直接通过对RGB-D的原始扫描图来对原始点云进行处理。这个方法的关键挑战是如何在大规模场景的点云中对物体进行定位（region Proposal） 相较于只使用3D图的proposal，我们的方法在物体定位中使用了成熟的2D物体检测器和额外的3D深度学习。这使得我们的模型在高效的基础上获得很高的召回率（recall 指正例被预测正确的比例） 得益于直接对原始的3D点云进行处理，我们的方法也能够精准的估计3D bonding box，即便是在很高的遮挡率和很稀疏的点云的情况下 Intr
论文翻译：Multi-View 3D Object Detection Network for Autonomous Driving
scut_salmon的博客
01-01 2193
来源：CVPR2017 Abstract         本文针对自动驾驶场景中的高精度三维物体检测。我们提出了多视点三维网络（MV3D），这是一个感知融合框架，将LIDAR点云和RGB图像作为输入，并预测定向的3D边界框。我们用紧凑的多视图表示编码稀疏三维点云。网络由两个子网组成：一个用于三维物体建议生成，另一个用于多视点特征融合。提议网络从3D点云的鸟瞰图表示中有效地生成3D候选框。我们设
PCL学习笔记：点云数据处理与过滤技术解析
在PCL中，处理点云数据通常包括新建对象、设置参数、输入输出数据等步骤。例如，要使用RadiusOutlierRemoval滤波器去除噪声点，首先创建该滤波器的对象，然后设置输入云数据、搜索半径和最小邻域点数，最后调用...

“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 2
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