point cloud
文章平均质量分 50
Leroy Sane
这个作者很懒,什么都没留下…
展开
-
Fast Point R-CNN | 一个或许跟PointRCNN和Fast RCNN都没啥关系的点云目标检测网络
【导读】这是一篇来自ICCV2019的论文,由港中文的贾佳亚教授实验室完成。虽然名字很接近,但是Fast Point R-CNN不仅跟Fast R-CNN没有任何关系,它跟Point R-CNN也没太大关系,找前景点,做精细回归思想相近。三者唯一的共同点就是它们三个都是two-stage网络,但是网络结构完全不同。如果要强行归类的话,Fast Point R-CNN应该算是VoxelNet...原创 2019-12-19 11:37:39 · 1136 阅读 · 0 评论 -
NeurIPS 2019 | 麻省理工与上海交大共同提出新型点云处理框架Point-Voxel CNN
论文:Point-Voxel CNN for Efficient 3D Deep Learning来源:NeurIPS2019Spotlight共同一作:Zhijian Liu (MIT), Haotian Tang(上海交大)代码:https://github.com/mit-han-lab/pvcnn项目:https://hanlab.mit.edu/projects/pv...原创 2019-12-16 16:39:57 · 1177 阅读 · 0 评论 -
PointFusion文章个人理解
文章标题:PointFusion: Deep Sensor Fusion for 3D Bounding Box Estimation作者:Danfei Xu,et al. Standford 1.网络概述这个网络的输入是经过2D检测器处理的图片和对应的点云,网络的作用是做回归,输出3D BBox。 2.提取特征分别使用Pointnet和Resnet对点云和图片进...原创 2018-08-29 20:48:19 · 3705 阅读 · 1 评论 -
Frustum Pointnet与PointFusion的对比理解
点云目标检测系列文章一引言最近在看点云目标检测的论文,发现这些论文不是相互独立的,很多文章自带CP属性,有很多相似点,非常值得放在一起来对比。今天参加1V1 battle的两篇文章分别是:Frustum Pointnet与PointFusion(为了方便后文分别简称为FP和PF)。前者的作者大家非常熟悉了,是PointNet的作者;而PointFusion的作者是李飞飞的学生Danfei ...原创 2018-08-29 20:34:30 · 2841 阅读 · 1 评论 -
ICRA2018点云相关论文汇总
1.Incremental Segment-Based Localization in 3D Point CloudsWe propose an efficient method for localization based on 3D segment matching. A set of incremental algorithms for the normal estimation, s...原创 2018-08-19 10:18:08 · 3170 阅读 · 0 评论 -
拨云见日——SPLATNet文章理解
文章标题:SPLATNet: Sparse Lattice Networks for Point Cloud Processing这是CVPR2018的一篇文章,作者是Hang Su ,他同时也是2015年MVCNN的作者,自然也是很厉害了。这个作者给我的感觉是基础非常扎实,比如之前的MVCNN,最先把多视角机器视觉运用到三维物体感知中来;包括这次用到的bilateral convolutio...原创 2018-06-24 23:54:22 · 5077 阅读 · 4 评论 -
分类VS分割——从原理和代码角度来分析对比(点云深度学习)
分类任务与分割任务有什么联系吗?答案是肯定的。 分割其实就是对每一个像素进行分类。在代码上,分割与分类的区别就更小了,都是用全连接层输出一定的数目,这个数目就是你要分类/分割的个数。以PointNet为例,先看看网络架构: 可以看到网络在得到global feature之前,分类和分割是公用一套网络的。它们的代码自然也一样。这部分代码位于pointnet_cls....原创 2018-06-06 15:28:47 · 6426 阅读 · 1 评论 -
Semantic3D——户外场景点云分割数据集
网站链接:http://www.semantic3d.net/view_dbase.php?chl=1 虽然PointCNN的论文中是没有这块实验的,但是在github上,作者做了实验,代码也都发出来了。 Semantic3D是户外场景点云数据库,为什么要介绍这个数据库呢?因为我们使用‘户外场景’的数据做实验,这种论文能投的期刊范围会更广一些。比如遥感类的期刊,就很喜欢这种...原创 2018-05-29 08:52:48 · 8410 阅读 · 10 评论 -
PointCNN代码组织结构分析——以分割为例
初次用PointCNN的同学,容易看不太懂它的代码结构。我们从README.md开始看起。以分割任务中的Semantic3D数据为例: cd data_conversions# bash download_semantic3d.sh bash un7z_semantic3d.sh mkdir ../../data/semantic3d/val #建了一个验证...原创 2018-05-29 08:51:17 · 2899 阅读 · 0 评论 -
点云深度学习系列5——pointnet++文章及代码分析
大家好。PointNet++是PointNet的升级版本,增加了对局部信息的感知能力。体现到代码上的话,变化还是比较多的,我们以分类为例,对结构和代码进行分析。网络结构 首先是网络结构方面,复习前任PointNet网络结构的,请点这里改进版去掉了T-net,在网络层次上变多了,但是更加组织有序。 def get_model(point_cloud, is_tr...原创 2018-05-29 08:48:46 · 10285 阅读 · 12 评论 -
点云深度学习系列4——PointNet分析
今天要聊的论文是斯坦福大学Charles等人在CVPR2017上发表的论文,提出了一种直接处理点云的深度学习网络——PointNet。这篇论文具有里程碑意义,标志着点云处理进入一个新的阶段。为什么会给这么高的评价呢? 因为在PointNet之前,点云没办法直接处理,因为点云是三维的、无序的,别说深度神经网络了,就是普通算法很多都不能奏效。于是人们想出来各种办法,比如把点云拍扁成图片(MVC...原创 2018-05-22 19:33:11 · 12118 阅读 · 3 评论 -
点云深度学习系列1——PointCNN代码阅读心得
先是一点题外话,作者的Github维护的很好,经常更新,而且对读者的答疑也很及时,大赞。下面进入正题。看过代码的同学都知道,作者的核心思想X变换在代码pointcnn.py中,里面主要包含两部分,特征提取和X矩阵训练。下面分开来说。用于提取邻域特征的只有两个dense层(也叫fc层/MLP),很简单地将尺度为(P,K,C)的邻域结构升维到了(P,K,C’)。 # Prepare...原创 2018-05-08 22:39:57 · 10917 阅读 · 12 评论 -
点云深度学习系列3——PointNet/PointNet++代码比较
文章就不介绍了,这里主要说代码。PointNet++是PointNet的升级版本,主要增加了对局部信息的感知能力。体现到代码上的话,变化还是比较多的,我们以分类为例,对二者的实现代码进行对比分析。首先是网络结构方面,PointNet: def get_model(point_cloud, is_training, bn_decay=None): """ Classific...原创 2018-05-10 10:53:02 · 8253 阅读 · 3 评论 -
点云深度学习系列2——PointNet/PointCNN代码比较(变换矩阵部分)
PointNet与PointCNN从文章到代码都有很多相似之处,两者对比看待,或许更有助于我们理解。众所周知,PointNet中使用了maxpooling和T-net,作者文章中起到关键作用的是maxpooling,而T-net对性能的提升作用也还是有的(两个T-net加上regularization 贡献了2.1个百分点),但奇怪的是在PointNet++的代码中,已经看不到T-net了(这...原创 2018-05-09 10:05:57 · 9030 阅读 · 5 评论