3D目标检测
文章平均质量分 75
潜沉10
这个作者很懒,什么都没留下…
展开
-
Win10本地使用服务器tensorboard可视化
方法一 本地ssh设置1. 在cmd指令中配置ssh -L 16006:127.0.0.1:6006 name@ip如我的用户名:czxip地址:172.33.101.111按提示输入用户密码即可连接成功2. 在服务器终端上执行tensorboard --logdir=./log3. 在浏览器输入http://127.0.0.1:16006/方法二 在xshell软件中设置执行同前面2,3最后可视化结果...原创 2021-11-09 16:29:08 · 769 阅读 · 0 评论 -
自动驾驶3D标注工具bat-3d安装与使用说明
工具介绍基于自动加速3d标注的项目bat-3dgithub:https://github.com/walzimmer/bat-3darxiv:https://arxiv.org/pdf/1905.00525.pdf安装教程:1)Clone repository: git clone https://github.com/walzimmer/bat-3d.git2)Install npmLinux: sudo apt-get install npmWindows: https://nodej原创 2021-09-24 16:57:26 · 3684 阅读 · 20 评论 -
文献阅读:(CVPR2021)Objects are Different: Flexible Monocular 3D Object Detection
摘要: 现有的方法从单一图像不依赖深度信息预测3D框目标物体是一个很有挑战的问题。大多数现有方法对所有对象都采用同样的检测方法,而不管他们的不同分布,导致限制了截断对象检测的性能。本文中,我们提出了一个灵活的单目三维目标检测框架,该框架对目标进行显示解耦,并自适应地结合多种目标深度估计方法。具体地说,我们将特征映射的边缘解耦以预测长尾截断对象,从而不影响政策对象的优化。此外,我们将目标深度估计公式化为直接回归目标深度和从不同关键点组求解深度的不确定性引导集合。实验表明,在KITTI下,我们的方法在保持原创 2021-05-20 20:02:39 · 2544 阅读 · 0 评论 -
3D目标检测(单目)D4LCN论文复现(paddlepaddle)
D4LCN: Learning Depth-Guided Convolutions for Monocular 3D Object Detection (CVPR2020) 基于深度引导卷积的单目3D目标检测1. 论文简介(1)简介单目3D目标检测最大的挑战在于没法得到精确的深度信息,传统的二维卷积算法不适合这项任务,因为它不能捕获局部目标及其尺度信息,而这对三维目标检测至关重要。为了更好地表示三维结构,现有技术通常将二维图像估计的深度图转换为伪激光雷达表示,然后应用现有3D点云的物体检测算法。因此原创 2021-03-29 22:20:51 · 3993 阅读 · 5 评论 -
玩转KITTI3D目标检测:KITTI评估工具evaluate的使用
近期因实验需要利用kitti数据集,发现关于评估工具使用的部分网上教程不够详细,特此记录.文末为了方便对数据结果观看,附上了修改代码.1. KITTI评估工具来源官网评估工具下载后文件目录包含:matlab(2D/3D框显示和demo文件)mappingcpp(评估的主要工具)readme.txt(说明文件)为了方便调用和显示,将cpp文件夹中evaluate_object.cpp文件更换为文末代码.2. 文件编译(1)Cmake编译进入cpp目录下,依次执行以下cmake原创 2021-03-04 15:55:10 · 6140 阅读 · 21 评论