![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文阅读
董*飞飞
研究方向:计算机视觉、智能驾驶、AutoWare、ROS运动控制、四轮智能车、驾驶仿真测试。
期待有相关研究交流的小伙伴私信,相互交流学习进步!
展开
-
Cylinder3D: An Effective 3D Framework for Driving-scene LiDAR Semantic Segmentation(论文阅读笔记)
Cylinder3D: An Effective 3D Framework for Driving-scene LiDAR Semantic Segmentation(论文阅读)原创 2022-03-18 12:51:11 · 3696 阅读 · 0 评论 -
CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection(论文阅读笔记)
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、重点内容提取在NMS前进行后融合,几何一致性、语义一致性二、实验概括三、进一步优化...原创 2022-03-11 15:36:19 · 3932 阅读 · 0 评论 -
基于相机和激光雷达数据的自动驾驶深度双模交通参与者实例分割方法(论文阅读笔记)
Deep Dual-Modal Traffic Objects Instance Segmentation Method Using Camera and LIDAR Data for Autonomous Driving(基于相机和激光雷达数据的自动驾驶深度双模交通参与者实例分割方法)双模实例分割网络、中阶段数据融合、超参数选优一、重点内容提取采用将雷达数据降采样为高分辨率图像与摄像头采集图像数据进行融合的双模感知方式,兼容了雷达对物体轮廓与距离的高精度感知和摄像头对色彩信息的敏感性,提升了交通参与原创 2022-03-09 10:27:40 · 222 阅读 · 0 评论 -
TPCN: Temporal Point Cloud Networks for Motion Forecasting(论文阅读)
用于未来移动预测的时序性点云网络时序信息与空间信息结合、高精度地图、栅格化、图网络、多模态模型一、重点内容提取将时间和空间信息进行结合。空间:多重特征(点、体素)表征。时间:动态时间间隔、实例池化二、实验概括双重再现空间学习1.1 点特征学习1.2 体素特征传播动态时间学习2.1 多间隔学习2.2 实例池化:均匀选取实例的代表特征点,减小计算量三、实验实验准备消融实验测评四、收获结合时间和空间信息对未来移动轨迹进行预测...原创 2021-09-01 11:19:21 · 473 阅读 · 0 评论 -
Self-Supervised Pillar Motion Learning for Autonomous Driving(论文阅读)
自动驾驶自监督学习柱状移动物体自监督学习、激光雷达、感知一、重点内容提取目前的未知移动物体的感知都是使用监督学习的方法进行,然而雷达簇数据的标注需要大量的人力和时间成本。本文提出了一种结合移动概率蒙版和传感器交叉驱动正则化、基于激光雷达结构一致性研究的自监督未知移动物体感知。二、实验概括问题公式化基于雷达的结构一致性研究传感器交叉驱动的正则化概率移动蒙版损失函数优化骨干网络选取三、实验效果实验准备1.1 数据集1.2 具体训练相关参数详解1.3 评价矩阵消融实原创 2021-08-30 10:02:15 · 345 阅读 · 0 评论 -
LiDAR-based Panoptic Segmentation via Dynamic Shifting Network(论文阅读笔记)
LiDAR-based Panoptic Segmentation via Dynamic Shifting Network(论文阅读笔记)环形扫描骨干网络、动态漂移、一致性驱动的融合一、重点内容提取 目前的全景分割都是基于相机图像在做,该论文首次创新型的提取使用雷达数据进行全景分割,具有启发性的意义。 二、实验概括强大的骨干网络设计1.1 三个网络关键部分柱状卷积:由于激光雷达是通过旋转进行采集环境信息,采用柱状卷积的方式更加适合雷达数据的特征提取。语义分割分支:使用多层感知网络原创 2021-08-03 18:25:25 · 539 阅读 · 0 评论