- 博客(3)
- 收藏
- 关注
RSS订阅原创 3D点云学习：SECOND目标检测③源码注释
源码链接: PCDet.根据论文.中给出的网络结构图，网络主要分为3个部分。1 network structure网络的主体框架在PCDet-master\pcdet\models\detectors\second_net.py中，可以清晰的看到网络的主体结构。self.vfe：对应论文中的VFE，与论文介绍不同的是，源码中使用的是平均法求特征，没有使用卷积+maxpool的方法.spconv.SparseConvTensor：输入是体素的原始数据，点云中点的数量以及点对应的体素的坐标（第三个没
2020-07-06 02:12:35
4530
2
原创 3D点云学习：SECOND目标检测②源码注释
源码链接: PCDet.很遗憾，SECOND的算法复现也要依赖于spconv库，而spconv库目前只支持在ubuntu系统中进行编译（虚拟机也不行），复现还是没有成功，想去安装双系统了…1 数据预处理PCDet-master\pcdet\datasets\kitti\kitti_dataset.pySECOND数据的预处理与大多数点云目标检测的预处理相似，主要任务在于1>生成储存train/val数据info的文件kitti_infos_%s.pkl2>生成数据增强时使用的groun
2020-07-05 01:15:12
2866
2
原创 3D点云学习：SECOND目标检测①论文阅读
论文: 论文链接.源码: 源码链接.由于本来是准备研究PV-RCNN网络的，可是发现源码还没有开源。但是在PCDet.上发现包含了SECOND等几个网络源码2: 源码链接2.1 摘要基于LiDAR或基于RGB-D的目标检测被用于从自动驾驶到机器人视觉的众多应用中。 在处理点云LiDAR数据时，基于Voxel的3D卷积网络已经使用了一段时间，体素方法能够在处理雷达点云数据时的保留更多的信息。 但是，仍然存在问题，包括推理速度慢和方向估计性能低。因此，我们研究了一种改进的稀疏卷积方法用于这种网络，这显
2020-07-01 03:23:44
6496
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人