CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection（论文阅读笔记）

最新推荐文章于 2022-04-03 00:00:00 发布
最新推荐文章于 2022-04-03 00:00:00 发布
阅读量3.9k 收藏 4
点赞数
分类专栏： 论文阅读 文章标签： 目标检测 3d 计算机视觉
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/jiluonian/article/details/123415597
版权

CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection（论文阅读笔记）

通用化和模块化、概率驱动的融合学习、实时性和硬件资源占用、优异的检测性能

一、重点内容提取

提出了一种通用的相机和激光雷达后融合方法，在Non-Maximum Suppression (NMS)之前对2D平面候选框和3D立体候选框初选结果采用卷积核的形式进行特征提取与自学习融合，在准确性尤其是长距离目标检测准确性上取得了较好的提升。

二、实验概括

  • 后融合网络架构
    后融合网络架构
  • 后融合数学模型
    2D候选框
    3D候选框
    融合方程

三、进一步优化

  1. 选用更多的2D与3D目标检测骨干网络进行卷积后融合，搜寻更适合的组合搭配
  2. 重新设计后融合卷积层，分析不同卷积层对后融合效果的影响
董*飞飞
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
3D目标检测多模态融合算法综述
3D视觉工坊
09-09 2947
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达本文转载自「计算机视觉工坊」，该公众号重点在于介绍深度学习、智能驾驶等领域，一个小众的公众号。0前言本篇文章主要想对目前处于探索阶段...
CLOCs：3D目标检测多模态融合之Late-Fusion
3D视觉工坊
09-10 904
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达本文转载自「计算机视觉工坊」，该公众号重点在于介绍深度学习、智能驾驶等领域，一个小众的公众号。文章：CLOCs: Camera-Li...
CLOCs：一种相机-激光雷达3D目标检测后融合方法
3D视觉工坊
04-03 2988
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨paopaoslam来源丨泡泡机器人SLAM标题：CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection作者：Su Pang, Daniel Morris, Hayder Radha编译：张毅Roy审核：Lionheart，志勇摘要...
CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection
weixin_42702987的博客
08-08 524
CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection github地址：https://github.com/pangsu0613/CLOCs/tree/spconv-removed 论文主要思想 是一种后融合的思想，将2D结果与3D结果在NMS之前进行融合，得到更加准确的置信度，得到的结果是3D的结果 loss函数，也就是我看论文的时候一大疑惑，这里论文的输出是一个n维的列向量，也就对应着预测出的未经过NMS之前的n个
论文笔记：CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection
bryantforever的博客
12-09 3000
CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection 1.为什么要做这个研究（理论走向和目前缺陷） ? 在3D目标检测领域，目前的fusion普遍都是deep fusion，效果不如只基于lidar的方法。本文选择使用之前不常用的late fusion。 2.他们怎么做这个研究 （方法，尤其是与之前不同之处） ? 就是将来自不同2D和3D检测器的结果做一个deep fusion，并且fusion处理的的是一个稀疏的向量。 3
CLOCs：3D目标检测多模态融合之late-fusion
有所为，有所成长
09-14 6956
0 前言 目前很多3D目标检测的工作都朝着多模态融合的方向发展，即是不仅仅使用单张图像或者仅仅使用点云做3D目标检测任务，而是在融合这两种传感器信息上作出一定的探索，今天笔者想要分享的一篇研究工作即是在这方面比较新的文章。 CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection 论文地址：https://arxiv.org/pdf/2009.00784.pdf 笔者给出该文章目前在KITTI object 3d的实验效果如下.
阅读笔记：CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection
chengle的博客
04-12 911
1.想要解决的问题 利用 LiDAR 进行三维目标检测和利用视频进行二维目标 检测的神经网络都取得了显著进展。但是二者融合还是比较困难的，所以本文提出一种新的摄像机-lidar 对象候选(CLOCs)融合网络。CLOCs 融合提供了一个低复杂度的多模态融合框架，显著提高了单模态检测器的性能。 2.前言 3D 对象检测更具挑战性， 需要更多的输出参数来指定目标周围的 3D 定向边界框。 都受到输入数据分辨率通 常低于视频的阻碍，这对较长范围的精度有很大的不利影响。 与 2D 视觉检测不同，基于 3D 的
# End-to-end Pseudo-LiDAR for Image-Based 3D Object Detection Th
最新发布
10-17
本篇文章将深入探讨"End-to-end Pseudo-LiDAR for Image-Based 3D Object Detection"这一主题，以及如何通过伪LiDAR技术实现视觉与LiDAR的高效融合。 首先，我们要理解什么是伪LiDAR。传统的LiDAR系统能够提供高...
PSEUDO-LIDAR ACCURATE DEPTH FOR 3D OBJECT DETECTION IN AUTONOMOUS DRIVING
06-02
计算机视觉Github开源论文
Sensor-Fusion-Lidar-Object-Detection-master(1).zip
10-09
Sensor Fusion Self-Driving Car Course，优达学城自动驾驶课程by combing lidar's high resoultion imaging with radar's ability to measure velocity of objects we can get a better understanding of the ...
Multi-Sensor Fusion System for Moving Object Detection&Tracking
09-11
本文【标题】"Multi-Sensor Fusion System for Moving Object Detection&Tracking"详细介绍了如何通过多传感器融合系统来提高这一过程的可靠性和效率。该系统是针对2007年DARPA城市挑战赛的早期系统的扩展和改进。 ...
Extrinsic-Calibration-Between-A-Camera-and-A-3D-Lidar:摄像机与3D激光雷达之间的外部校准
04-03
摄像机与激光雷达的外参标定 相机和3D激光雷达之间的外部校准 1，坐标系 2，环境与工具标定板摄像头激光雷达 Visual Studio 2019+opencv matlab PolyWorks 2017 3，流程 ##参考参考 1， 2，2，
3D目标检测——CLOCs论文学习笔记
Oreooooo的博客
07-02 2259
CLOCs：Camera-LiDAR Object Candidates Fusion for 3D Object Detection 文章链接：https://www.researchgate.net/publication/344067087_CLOCs_Camera-LiDAR_Object_Candidates_Fusion_for_3D_Object_Detection github：https://github.com/pangsu0613/CLOCs 文章是当前在后融合方面做到SOTA，为现有
【深度学习】Early fusion vs Late fusion
z小白的博客
03-17 2万+
在机器学习这个领域，尤其是做多媒体（声音、图像、视频）相关的机器学习方法研究，会涉及很多特征、分类模型（分类任务）的选择。以声音识别为例，常见的特征有MFCC、LPCC、spectrogram-like features 等，分类模型就很多了，有传统的分类模型SVM、KNN、Random Forest，还有现在比较火的深度模型DNN、CNN、RNN等。而往往单特征、单模型很难取得理想的性能（per...
CloCs
xinxiang7
02-08 2972
CloCs 论文: <<CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection>> Abstract 文章提出了一种新颖的Camera-LiDAR 目标候选框融合的网络。CLOCs融合提供了一种低复杂度、多模态融合框架，该框架能够显著提升单模态的检测器的表现。 CLOCs在任何2D和3D检测器的NMS之前对联合的输出候选框进行操作，而且它们的几何和感知一致性产生更为精确的3D和2D检测结果。 Intro
【论文阅读】【三维目标检测】Multi-Task Multi-Sensor Fusion for 3D Object Detection
麒麒哈尔的博客
09-23 5984
目录网络点云分支图像分支Point-wise FusionLoss实验部分我的思考 文章 Multi-Task Multi-Sensor Fusion for 3D Object Detection 2019CVPR 该文章使用了相机和激光雷达传感器融合方法检测3D Object，使用了一个网络解决多任务，并且多个子任务是为了3D Object Detection服务的。 网络 网络结构图如下，主...
【论文阅读】【综述】3D Object Detection 3D目标检测综述
热门推荐
麒麒哈尔的博客
06-04 3万+
aaa3D Detection新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 3D Detection 你好！...
late fusion vs early fusion
march_on的专栏
05-09 5505
在信息检索中，late fusion是指把多个检索系统的结果fusion在一起，early fusion是指把不同modality的特征fusion成一个统一的表示然后用于检索。二者的区别在于fusion的时机和fusion的对象不同。 具体参见：http://staff.science.uva.nl/~cgmsnoek/pub/snoek-earlylate-acm2005.pdf

“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
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

董*飞飞

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