voxelnet_VoxelNet论文解读

VoxelNet是一种3D目标检测方法,它借鉴了Faster R-CNN的RPN思想,但应用于3D场景。网络由特征学习、卷积中间层和区域提案网络三部分构成,通过体素化、随机采样和VFE编码等步骤处理点云数据。尽管速度问题限制了其在自动驾驶领域的应用,但VoxelNet在3D感知上的创新依然具有重要意义。
摘要由CSDN通过智能技术生成

0. 前言

在深度学习模型更新换代如此之快的今天,VoxleNet这样“老东西”速度过慢已经导致自动驾驶玩家抛弃了它,而且知乎很多博主都写的很好了,写这篇文章主要是为了后面介绍SECOND,Pointpillar等模型做铺垫(好吧,又挖了一个坑。。。)

论文链接

代码链接

1. 介绍

在voxelnet发表之前,pointnet 和 pointnet++ 两篇paper都已经发表了。说到了这种方法对计算要求比较高。

受Faster R-CNN 的启发,VoxelNet 也应用了 RPN(Region Proposal Network),只不过这里是3d的。

2. 网络介绍

3f70bac865fd190fb5d90a8135c91fcb.png
Voxelnet

网络由三部分组成:

(1)Feature learning network

(2)Convolutional middle layers

(3)Region proposal network

(1)特征学习层

a. Voxel Partition (体素划分)

将点云划分为空间里的小立方体(体素),这里以汽车

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值