![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
点云
文章平均质量分 70
吴大炮
机器学习入门者
展开
-
点云3D目标检测学习(3):Complex YOLO
Complex YOLOCVPR 2018的一篇文章因为对YOLO相对熟悉一些,因此以Complex YOLO 做为第一个学习的3D目标检测模型主要贡献1、检测速度快的3D检测网络2、使用E-RPN计算3D框的朝向3、能够一次预测多个类点云的数据处理将点云数据转为鸟瞰图,选择左右80m,前方40m作为检测区域,8cm划分栅格然后提取强度密度高度特征组成RGB图,这里的RGB图只是仿照图像的,组成三个通道网络结构这里的网络的结构主要使用的YOLOv2,因为后续的YOLO网络还没提出来原创 2022-03-30 14:04:20 · 3648 阅读 · 2 评论 -
点云3D目标检测学习(2):pointnet++源码
pointnet++源码学习pointnet++中包含pointnet源码,因此只看pointnet++就可以了整体流程以debug的形式看源码,分析电源数据在网络中的变化过程,如何进行特征提取以batch size = 2 为例输入数据: 2, 1024, 3->channel_first 2, 3, 1024第一个SA首先又给变回来了 2,1024,3然后是MSG 三个不同的半径利用query_ball_point()进行分组最远点采样选择了512个点[ 2,512原创 2022-03-05 15:25:19 · 2419 阅读 · 0 评论 -
点云3D目标检测学习(1):pointnet、pointnet++模型
点云数据处理模型:pointnet++1、点云数据无序性:只是点而已,排列顺序不影响近密远疏非结构化数据,直接CNN有点难2、PointNet整体网络架构分类任务就是得到整体的特征,得到所述类别的概率分割就是针对各个点,输出每个点的所属概率存在问题:没有局部特征融合,要不就自己,要么就一个整体没有关系概念,局部样本点之间存在的关系,没有考虑到PointNet++基于半径选择局部区域,得到很多簇针对得到每个区域进行特征提取(卷积)主要问题就是在解决:如何选择区域,每个簇的半径大小原创 2021-10-08 21:48:20 · 1288 阅读 · 0 评论