BirdNet是一个基于激光雷达信息的3D目标检测框架，其核心思想是将3D点云转换为2D鸟瞰图，通过卷积神经网络进行特征提取，并进行3D目标定向检测，包括高度计算。该框架首先将3维点云投影到3通道的BEV映射中，然后使用faster-rcnn进行初步检测，接着通过2D检测细化过程计算高度，以实现精确的3D检测。在后处理阶段，对2D检测结果进行细化，以提高检测精度。
BirdNet 论文解读
核心思想：
Detection Framework:
第一步：将三维点云信息处理成2D的鸟瞰图。
第二步：利用处理图像的卷积神经网络鸟瞰图，得到位置，朝向，类别等2D信息。
第三步：进行3D Object Oriented Detection，对高度进行计算。
网络框架：
第一步：将３维点云信息投影成3-channel BEV map.
第二步：利用faster-rcnn检测网络，输出class, 2d bounding box, yaw angle.
第三步：2d detection refinement;输入ground estimation, 输出高度，完成3d检测。
具体内容
BEV Generation
- maximum height
- mean intensity
- the density of points in each cell, which is computed as the number of points in that cell, divided by
the maximum possible number of points.
相应的产生一个与BEV map相同尺寸的normalization map
最低0.47元/天 解锁文章
扫一扫
1449
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
