![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
文章平均质量分 90
健身的程序猿
这个作者很懒,什么都没留下…
展开
-
PointNet++ pytorch核心代码笔记
PointNet++核心代码原创 2022-01-17 20:41:30 · 1063 阅读 · 0 评论 -
VoxelNet:End_to_End Learning for Point Cloud Based 3D Object Detection 论文学习与解读
IntroductionLiDAR(激光雷达)获取到的点云数据存在存在很高的随机点密度,这是由非均匀的3D空间采样,对一系列有效的传感器的遮盖和相关的动作。为了解决解决这个问题,很多方法采用人为手工制作点云的特征表现来用于3D物体识别。然而手工的方法在获取3D类型信息和获取侦测任务所需的不变信息中会产生瓶颈RPNRegion Proposal Network,用于生成候选区域(Region Proposal)RPN 包括以下部分:生成 anchor boxes(锚框)判断每个 a原创 2021-10-22 16:25:43 · 1056 阅读 · 0 评论 -
Frustum PointNets for 3D Object Detection from RGB-D Data 论文学习笔记
Abstract论文中直接通过对RGB-D的原始扫描图来对原始点云进行处理。这个方法的关键挑战是如何在大规模场景的点云中对物体进行定位(region Proposal)相较于只使用3D图的proposal,我们的方法在物体定位中使用了成熟的2D物体检测器和额外的3D深度学习。这使得我们的模型在高效的基础上获得很高的召回率(recall 指正例被预测正确的比例)得益于直接对原始的3D点云进行处理,我们的方法也能够精准的估计3D bonding box,即便是在很高的遮挡率和很稀疏的点云的情况下Intr原创 2021-10-31 19:36:04 · 897 阅读 · 0 评论 -
PointPillars: Fast Encoders for Object Detection from Point Clouds 论文学习笔记
Abstract这篇论文是采用一个Encoder 的模式来编码点云使之适应下游的检查任务。现有的文献中提供了两种类型的Encoder。一种是固定的编码器,这种encoder往往速度快,但牺牲了准确性;另一种是从数据中学习的编码器,这种编码更准确,但速度较慢。PointPillars 一个使用PointNets 来学习垂直列组织(pillars)的点云表达的算法。目前该模型在多个任务中达到了state of art 的程度。Introduction第一段介绍了雷达传感器在部署自动驾驶上的应用,指出原创 2021-10-31 19:41:51 · 277 阅读 · 0 评论 -
KPConv 论文学习笔记
通过对于核点(kernel point)赋予权重矩阵并通过其定义空间,每一个核点的影响范围由一个函数确定。核点的个数是可变的。同时在基础模型之上还提出了一个deformable版本的卷积。这种模型在每个卷积位置(核点)产生不同的偏移,这意味着它可以为输入云的不同区域调整其核点分布的形状。原创 2022-01-16 22:24:17 · 1068 阅读 · 0 评论 -
RandLA-Net 论文学习
RandLA-Net是一个有效且轻便的能够很好的识别每一个点的语义的运用在大规模点云上的网络。原创 2022-01-16 22:20:06 · 1480 阅读 · 0 评论 -
90天减重30斤的经验分享
91天减重三十斤,个人经验畅谈原创 2021-11-04 16:24:50 · 969 阅读 · 0 评论