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:
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
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
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
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