3D目标检测pointpillars简介

最新推荐文章于 2024-05-30 19:17:05 发布
最新推荐文章于 2024-05-30 19:17:05 发布
阅读量974 收藏 2
点赞数
分类专栏： robomaster竞赛 YOLO目标检测 文章标签： 目标检测 深度学习 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46214675/article/details/125927515
版权

3D目标检测 PointPillars 工业应用 传感器融合 算法解析
关键词由CSDN通过智能技术生成

文章目录

前言

目标检测很重要，虽然工作了但是目前做的是目标检测的后处理。后面应该会偏向多传感器融合，工作如此，但是自己还是想follow一些目标检测领域比较sota的算法。

今天介绍的是一篇在工业界广泛使用的3d目标检测算法

一、pointpillars是什么？

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

_cv_
关注
专栏目录
【lidar】3D目标检测PointPillars：论文解读、代码解读、部署实现（1）
踟蹰横渡口,彳亍上滩舟。
03-18 4870
Abstract 点云中的目标检测是自动驾驶等机器人应用中的一个重要方面。在本文中，作者思考了将点云编码成适合下游检测pipeline的格式问题。最近的文献提出了两种类型的编码器：固定编码器往往更快，但牺牲了准确性，而从数据学习的编码器更准确但是速度较慢。在这篇工作中，作者提出了一种可以利用PointNet去学习以垂直列组织的点云的表示(pillars)的新的encoder。这种编码特征可以用于任何标准的2D卷积检测体系结构，接着作者进一步提出了一个精简的下游网络。大量的实验表明，PointPillars.
【lidar】3D目标检测PointPillars：论文解读、代码解读、部署实现（2）
踟蹰横渡口,彳亍上滩舟。
03-20 7615
PointPillars部署：TensorRT推理实现，下载地址：添加链接描述 PointPillars 高度优化的点云目标检测网络PointPillars。主要通过tensorrt对网络推理段进行了优化，通过cuda/c++对前处理后处理进行了优化。做到了真正的实时处理（前处理+后处理小于 1 ms/Head）。 Major Advance 训练简单 本仓库直接使用mmlab/OpenPCdet进行训练。所以只要你按照官方教程的教程是非常容易训练自己的数据，也可以直接采用官方训练参数来进行部署。但是
pointpillars,pointpillars,pointpillars
04-25
pointpillars
点云 3D 目标检测 - PointPillars（CVPR 2019）
热门推荐
77wpa的博客
03-08 1万+
点云 3D 目标检测 - PointPillars1. 文章信息2. PointPillars 简介2.1 算法特点2.2 模型结构2.2.1 Pillar Feature Net2.2.2 Backbone (2D CNN)2.2.3 Detection Head (SSD) 1. 文章信息 文章标题 PointPillars: Fast Encoders for Object Detection from Point Clouds (2019) 文章链接 https://arxiv.org/ab
3D点云目标检测-PointPillars算法解析
最新发布
weixin_51021488的博客
05-30 1638
文章将点云数据转为点柱形式，以伪图像特征进行特征编码，避免了复杂的3D卷积的影响，提高了3D目标检测的速度，代码实现中还有不少细节值得解析，如为了防止角度抖动，增加的角度回归时的方向偏移值、 进行iou计算时所用到的部分面积求解相关数学公式。（叉乘、点乘相关数学性质！本人水平有限，若存在错误，请各位指正！
PointPillars：工业界大量部署落地的点云目标检测算法，精度与速度上实现SOTA！
weixin_43980550的博客
10-02 2029
PointPillar将三维点云分为一些柱体pillars，利用PointNet提取柱体pilars特征，将特征映射为2D伪图像，对2D图像使用SSD提取目标检测框和类别，速度与精度实现SOTA！工业界已大量部署！
PointPillar 3D目标检测模型详解
IT菜鸟
02-17 1万+
3D检测论文阅读简记自动驾驶中基于Lidar的object检测，简单的说，就是从3D点云数据中定位到object的框和类别。具体地，输入是点云 $X∈R^{N×c}一般c4，输出是n个检测框bboxes以第i个检测框bbox为例它包括∗∗位姿信息∗∗(一般 c=4 )，输出是 n 个检测框bboxes, 以第 i 个检测框bbox为例, 它==包括**位姿信息**一般c4，输出是n个检测框bboxes以第i个检测框bb。
【lidar】3D目标检测PointPillars：论文解读、代码解读、部署实现
03-20
本文将深入探讨PointPillars这一高效且精确的3D目标检测算法，包括其论文解读、源码分析以及实际部署的实现方法。 PointPillars是由NVIDIA公司提出的一种创新的3D目标检测框架，它将传统的2D卷积神经网络（CNN）...
目标检测YOLO实战应用案例-基于点云数据的3D目标检测与跟踪
04-15
在本文中，我们将深入探讨一个基于点云数据的3D目标检测与跟踪的实际应用案例，该案例使用了著名的YOLO（You Only Look Once）算法。YOLO作为一种实时目标检测系统，以其高效和准确的特性在计算机视觉领域备受青睐。...
【三维目标检测】Pointpillars（二）
叶子的博客
07-20 5686
PointPillars是一种基于体素的三维目标检测算法，发表在CVPR2019《PointPillars它的主要思想是把三维点云转换成2D伪图像以便用2D目标检测的方式进行目标检测。PointPillars在配置为Inteli7CPU和1080tiGPU上的预测速度为62Hz，在无人驾驶领域中常常能够使用上它，是一个落地且应用广泛的一个3D快速目标检测网络。.........
PointPillars解读
leo0308的博客
04-07 8737
论文： PointPillars: Fast Encoders for Object Detection from Point Clouds 0 简介 介绍PointPillar之前， 先简要介绍一下voxel-based检测方法的发展历程。VoxelNet是第一个将点云转换为体素（voxel）进行3D目标检测的， 但是由于3D卷积的使用， 性能非常低。 SECOND主要把3D卷积换成了更高效的稀疏卷积， 并且增加了一些数据增强， 在性能上有比较大的提升。 虽然使用了稀疏卷积， 但3D的卷积依然比较耗费资源
PointPillars：基于点云的快速目标检测网络
weixin_44103355的博客
11-03 9866
PointPillars简介 PointPillars是一个基于点云的快速目标检测网络，在配置为Intel i7 CPU和1080ti GPU上的预测速度为62Hz，在无人驾驶领域中常常能够使用上它，是一个落地且应用广泛的一个3D快速目标检测网络。 ...
3D目标检测框架综述（OpenPCDet、mmdet3d、Det3D、Paddle3D）
CV_Autobot的博客
10-09 6110
作者|双愚 编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/569189196点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【标定工具】获取2D检测/分割/关键点，3D点云检测分割标注工具！3D目标检测示例(from Paddle3D)2D目标检测是一个比较成熟的领域，相关的目标检测框架非常多，比...
多模态融合-MVP
u012858839的博客
12-16 241
对于远距离小目标，Lidar很难实现有效检测，但在RGB图像上可以清晰观测并检测出来点云十分稀疏，尤其对于远距离的目标物。
【三维目标检测】Pointpillars（一）
叶子的博客
07-19 5854
Pointpillars本质上是一种基于体素的三维目标检测方法。pillar英文的意思是柱子、柱状物的意思。在pointpillars模型中，体素由一系列柱状网格组成，在Z方向上仅仅只有一个体素，整体相当于一个柱子。在Z方向上只有一个体素，这样便于将三维数据直接转换为二维数据来处理。Pointpillars主要几个关键点如下（1）输入的点云数据维度为Nx4，这四个维度分别是坐标和反射强度，x、y、z、r。将输入点云划分成柱状体素，然后将各个体素中点云的坐标减去体素中点云坐标，得到cx、cy、cz。.....
3D点云 (Lidar)检测入门篇 ： PointPillars PyTorch实现
3D视觉工坊
05-30 3545
作者丨千百度@知乎来源丨https://zhuanlan.zhihu.com/p/521277176编辑丨3D视觉工坊基于Lidar的object检测模型包括Point-based [PointRCNN(CVPR19),IA-SSD(CVPR22)等], Voxel-based [PointPillars(CVPR19),CenterPoint(CVPR21)等]，P...
点云 3D 物体检测结果（SECOND、Pointpillars、PointRCNN）的几种可视化方法
jin15203846657的博客
02-09 5679
KITTI点云 3D 物体检测结果的 五种 可视化方法
激光点云3D目标检测算法之PointPillars
DeepDriving
07-15 2857
本文介绍经典的激光点云3D目标检测算法PointPillars
三十. 智能驾驶之基于PointPillars的点云目标检测
okgwf的博客
02-13 2235
智能驾驶之基于PointPillars的点云目标检测
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

_cv_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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