supergxt的博客

该博文主要用于记录voxelization的具体实现（当前只用CPU版本，后续补充GPU CUDA加速版本），voxel是处理点云数据常用的预处理手段，当前主流的3D detection模型，基本都会考虑将点云网格化，方便后续高效抽feature在浏览voxelnet源码的过程中，发现当时的voxelization的过程还是基于CPU进行。

论文地址：Keep your Eyes on the Lane: Real-time Attention-guided Lane Detection解决real-time efficiency. LaneATT是一个anchor based的车道线检测模型。基于全局信息来推理车道线信息，以此来解决车道线被占用，缺少markers等。Introduction车道线检测的挑战：extreme light and weather, lane markings occluded by objects, da

原文连接Introduction为了解决complet topologies. 提出了一个top-to-down的框架，先找出大致实例，再预测line shape（对应起来的bottom-to-up方法我理解就是先像素级分类，然后再经过后处理例如聚类等生成一个实例）基于conditional convolution 和 row-wise formulation。构造了一个Recurrent Instance Module模块克服复杂拓扑结构的实例。大部分分割方法还是bottom-up的，因此分配实例

原文地址：https://arxiv.org/abs/2004.11757将车道线检测看作一个利用全局特征进行row-based selecting 的问题。Introduction车道线检测分为传统图像处理方法和深度分割方法。需要实时性，因此需要低计算量的算法。车道线检测的另一个难点是复杂场景例如severe occlusion或者是extreme lighting conditions。对于这个问题需要更高水平的语义分析。已有的分割方法不能利用车道线的先验知识（例如rigidity and