【论文阅读】【三维目标检测】GS3D: An Efficient 3D Object Detection Framework for Autonomous Driving

最新推荐文章于 2024-09-06 14:42:00 发布
最新推荐文章于 2024-09-06 14:42:00 发布
阅读量2.1k 收藏 4
点赞数 1
分类专栏： 论文阅读
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/wqwqqwqw1231/article/details/100857257
版权
GS3D是一种使用单目视觉进行3D对象检测的方法，通过2D检测和方向预测，结合统计信息生成指导，提取表面特征，并采用精细化方法优化3D框，最终实现对自动驾驶场景中的三维目标高效检测。该框架利用质量感知损失来确保高质量检测框的得分更高。
摘要由CSDN通过智能技术生成

文章目录

GS3D: An Efficient 3D Object Detection Framework for Autonomous Driving
该文章使用单目视觉做3D object detection。由于用单目视觉固有的缺陷，丢失了一维信息，所以文章中用了很多统计值。

GS3D

2D Detection and Orientation Prediction

修改Faster RCNN，在RoI feature之后又加入了orientation的预测。来预测车的朝向。
在这里插入图片描述

Guidance Generation

大量的使用对数据集的统计量。首先使用从数据集统计物体的尺寸(w, h, l)。然后利用2D box的上边边缘的中心点，和下边边缘的中心点（要加上从数据集统计的一个偏差值）来估计3D box的上表面中心点和下表面中心点。然后根据上下表面中心点的距离差和统计的物体的高度来计算物体的深度信息。转角的预测是通过上一步预测的角度和物体的中心确定的。到这一步，3D box的所有参数就都有了。

Surface Feature Extraction

这一步相当于优化这个box。预测的3D box有3个面是是在2D image可见的，然后根据这3个面在2D image上的投影提取feature，其实与align pooling的做法是一

最低0.47元/天 解锁文章
麒麒哈尔
关注
专栏目录
GS3D An Efficient 3D Object Detection Framework for Autonomous Driving算法解析
qq_29462849的博客
06-08 1682
算法基本思想 二维 box 的定位、类别判断、角度预测 旋转。 3d box 尺寸的预估 3d box 在相机坐标系下的位置粗略计算 物体 3d box 的 Refinement
【论文阅读】【综述】3D Object Detection 3D目标检测综述
热门推荐
麒麒哈尔的博客
06-04 3万+
aaa3D Detection新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 3D Detection 你好！...
GS3D: An Efficient 3D Object Detection Framework for Autonomous Driving
CSS360的博客
07-06 1186
摘要 我们展示了一个有效的3D目标检测框架，基于一个单RGB图，在自动驾驶方案。我们努力去提取潜在的3D信息在一个2D图像，以及确定精确的3D框目标，没有使用点云或者立体数据。利用现成的2D目标检测器，我们提出了一个巧妙的方法来有效获得一个粗长方体对每一个预测的2D框。这个粗长方体有足够的精度去引导我们决定3D框的目标通过定义。相对于先前先进的方法，只是使用特征提取从2D框来定义框...
3D目标检测
最新发布
qq_34717531的博客
09-06 544
值得注意的是，PillarHist仅在PFE阶段操作以增强性能，可以无缝集成到现有的基于柱状结构的方法中，而不引入复杂的操作。3）背景：最近，基于柱状结构的3D目标检测器因其紧凑的表示和低计算开销而备受关注，适合在车载部署和量化方面使用。然而，现有的基于柱状结构的检测器在柱状特征编码（PFE）过程中仍然存在高度维度信息丢失和数值分布差异大的问题，严重限制了它们的性能和量化潜力。它通过统计柱状内不同高度处点的离散分布，保留了更多的高度信息，减少了计算开销，同时优化了数据的量化表现。1）方向：3D目标检测。
【论文阅读】GS3D: An Efficient 3D Object Detection Framework for Autonomous Driving
dtjun_sjtu的博客
07-18 383
该论文代码至今未开源，估计以后也不会了 总体思想 （1）用一个CNN based的检测器（作者称其为2D+O），检测物体的2D框和观察角 （2）利用2D框和从训练集中获取的信息来生成3D guidance （3）从物体的可视面中提取特征 （4）基于物体的类别，对3D框进行refine 【1】2D+O 利用faster R-CNN，增加一个新的分支用于观察角的预测。 观察角就是，以相机与...
论文笔记✍GS3D- An Efficient 3D Object Detection Framework for Autonomous Driving
深度菜鸡-达闻西的博客
04-01 869
作者首先根据2Dbox得到粗糙的3D框，然后根据残差进行细化，细化的方式是分类而不是回归。此外，专门提取三个表面特征来加强3D属性预测。 关键点：透视变换得到表面特征
GS3D：基于单目图像的高效三维物体检测框架
10190GS3D：一种用于自动驾驶的高效三维物体检测框架0李布宇 1 欧阳万里 3 盛璐 1 , 4 曾星宇 2 王晓刚 101 香港中文大学CHUK-SenseTime联合实验室，2 SenseTime研究，3悉尼大学，4 北京航空航天大学0...
3D目标检测论文汇总
qq_29462849的博客
12-14 1961
一、单目图像下的3D目标检测 1、YOLO3D 2、SSD-6D 3、3D Bounding Box Estimation Using Deep Learning and Geometry 4、GS3D:An Effcient 3D Object Detection Framework for Autonomous Driving 5、Deep MANTA: A Coarse-to-fine Ma...
3D Object Detection with Latent Support Surfaces
07-04
We develop a 3D object detection algorithm that uses latent support surfaces to capture contextual relationships in indoor scenes. Existing 3D representations for RGB-D images capture the local shape and appearance of object categories, but have limited power to represent objects with different visual styles. The detection of small objects is also challenging because the search space is very large in 3D scenes. However, we observe that much of the shape variation within 3D object categories can be explained by the location of a latent support surface, and smaller objects are often supported by larger objects. Therefore, we explicitly use latent support surfaces to better represent the 3D appearance of large objects, and provide contextual cues to improve the detection of small objects. We evaluate our model with 19 object categories from the SUN RGB-D database, and demonstrate state-of-the-art performance
3D Object Detection
weixin_44749835的博客
10-09 149
点云： 激光雷达只能从一个特定的角度观察三维世界 2.5D 介绍激光点云这篇文章很不错： https://mp.weixin.qq.com/s?__biz=MzAwNTMzODc4OA==&mid=2456142519&idx=1&sn=a904ee65d77e212de16f82de1ec1bcd7&chksm=8c8f417cbbf8c86a0868829b62f6a344bd381d7c385aed14d5de8a7f8ad08b869c4ecd6ef72d&s
3D Object Detection 3D目标检测 深度图补全 车辆3D检测 Deep MANTA BundleFusion KinectFusion MaskFusion 3D点云分割网络
万有文的博客
04-04 775
3D Object Detection 3D目标检测 3d检测跟踪 利用光流+ransac 进行目标跟踪。
3D Object Detection简单介绍
百年孤独百年的博客
06-11 1540
3D Object Detection 是计算机视觉领域中的一项重要任务，它的目标是在三维点云数据中检测出场景中的物体，并估计它们的位置、姿态、大小等信息。在本教程中，我们将介绍 3D Object Detection 的基本原理、常用的数据集、算法和工具，以及如何使用它们进行目标检测。
Sliding Shapes for 3D Object Detection in Depth Images
wi162yyxq的博客
08-05 1578
好久没有写博客了。其实主要也是自己没什么好写的。。。水平有限，哎。。。。最近在搞机器人运动学的东西，所以深度视觉这里就疏忽了。 不过，最近看到一个以前的文章觉得很有意思，所以想拿出来和大家分享一下。 文章的名字就是标题《Sliding Shapes for 3D Object Detection in Depth Images》，意思就是在深度图像中使用滑动窗口来进行物体识别。 效果如下：
Two-stage 3D object detection in point clouds
weixin_43955917的博客
02-19 194
相比于第二阶段的RefineNet，两阶段网络中RPN往往是大家关注的焦点。 RPN 相比于之前通过对点云数据形式进行重新组织（eg. MV3D, VoxelNet）来产生proposal,本文直接利用分割网络来处理点云，产生分割结果后，进一步对foreground point预测proposal。 RefineNet ...
3D Object Detection——Segmentation-based methods
qq_24505417的博客
09-25 357
PointRCNN PointPainting 代表1：PointRCNN 代表2：PointPainting PointPainting: Sequential Fusion for 3D Object Detection
【3D目标检测】3D Object Detection for Autonomous Driving: A Survey
可乐大牛的博客
10-22 2397
这是一篇21年的综述，介绍了3D目标检测背景、传感器以及基于传感器的算法分类及其特点。
【3D目标检测】3D Object Detection from Images for Autonomous Driving: A Survey
可乐大牛的博客
11-07 1858
这是一篇22年的综述，介绍了3D目标检测中基于图像的检测算法。（论文中说本文是第一篇基于图像的3D目标检测算法综述！）
3D Object Detection from Images for Autonomous Driving: A Survey（自动驾驶中的图像3D目标检测综述）论文笔记
weixin_45657478的博客
07-25 1143
自动驾驶中的图像3D目标检测综述
课程笔记-三维点云处理06 ——3D Object Detection（上）
Jason_____Wang的博客
04-13 846
课程笔记-三维点云处理06 ——3D Object Detection（上） 本系列笔记是对深蓝学院所开设的课程：《三维点云处理》的笔记 课程每周更新，我也会努力将每周的知识点进行总结，并且整理成笔记发上来，欢迎各位多多交流&批评指正！！ 本文主要为课程第六章的笔记！ 由于第六章继续进行深度学习领域知识讲解，因此不仅知识量陡增，课程量也加大，因此本章将分为上下两篇笔记进行记录。 本息可主要讲3D物体感知的昂发，介绍基于图像的、基于体素和点云的、以及基于融合的3D物体感知深度学习方法及经典理论 课程链
3D GS3D GS渲染是什么意思
08-10
3D GS (Graphics Shader) 或者说是 3D 光栅化渲染技术是一种计算机图形学中的关键技术，它涉及到将三维几何模型转换成二维图像的过程。GS (Geometry Shader) 是一种特殊的着色器，能够在硬件级别处理几何形状的操作，比如剪裁、细分、动态光照计算等。在渲染流程中，3D GS可以在绘制每个像素之前对场景中的几何体进行操作，提供更复杂的几何变换和自定义的效果。 传统的渲染过程通常包括顶点着色器（Vertex Shader）、片段着色器（Fragment Shader），而GS则是在这些之后介入，可以看作是一个中间步骤。它允许开发者创建更为精细和真实的视觉效果，比如实时的环境光散射或者复杂的纹理合成。
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
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