3D&Display&渲染
文章平均质量分 92
3D&Display&渲染
普通网友
这个作者很懒,什么都没留下…
展开
-
GPU-CUDA-图形渲染分析
GPU-CUDA-图形渲染分析原创 2022-08-05 05:42:11 · 2180 阅读 · 0 评论 -
激光雷达Lidar Architecture and Lidar Design(下)
激光雷达Lidar Architecture and Lidar Design(下)Considerations on Lidar Design双基地还是单基地?双轴还是同轴?几何重叠向上还是向下看?关心分散还是只关心时间?发射器和接收器的波长是否可调?发射器和接收器的带宽功率/能量考虑bit宽度-脉冲持续时间,重复率夜间还是全天工作?体积、质量、成本、可靠性、稳健性、操作性等?Configuration & Arrangement大多数现代激光雷达采用单站结构,双轴或原创 2020-12-13 07:05:09 · 393 阅读 · 0 评论 -
激光雷达Lidar Architecture and Lidar Design(上)
激光雷达Lidar Architecture and Lidar Design(上)介绍激光雷达结构:基本条件构型和基本布置激光雷达设计:基本思想和基本原则总结介绍激光雷达结构是激光雷达系统设备的技术方案(包括硬件和软件)。介绍激光雷达的设计基于对物理相互作用的理解,并进行了相关流程和激光雷达仿真,设计了一套激光雷达系统,这符合测量目标。激光雷达设计包括(1) 根据测量目标选择使用哪种类型的激光雷达(主题),测量要求(精度、精度和分辨率)以及操作要求(可靠性、稳定性、操作难度),原创 2020-12-12 17:48:29 · 524 阅读 · 0 评论 -
MLIR多级中间表示概述
MLIR多级中间表示概述MLIR项目是构建可重用和可扩展的编译器基础设施的一种新方法。MLIR旨在解决软件碎片化问题,改进异构硬件的编译,显著降低构建特定领域编译器的成本,并帮助将现有编译器连接在一起。More resources有关MLIR的更多信息,请参见:LLVM论坛的MLIR部分有任何问题。LLVM不一致服务器MLIR通道的实时讨论。之前的会谈。另请参阅TensorFlow MLIR SIG,它每周组织一次关于MLIR的公众“公开设计会议”。What is MLIR for?MLI原创 2020-12-12 12:53:24 · 490 阅读 · 1 评论 -
激光雷达数据到云cloud
激光雷达数据到云cloud在美国地质调查局的3D提升计划(3DEP)被激发到一个新的方式可用性宣布从3DEP仓库的访问和处理激光雷达点云数据。3DEP一直在美国使用光检测和测距(激光)技术获取三维信息,这是一种基于机载激光的遥感技术,在飞行时收集数十亿激光雷达的回波,并将结果提供给公众。除了简单的下载,USGS的战略重点是提供新的机制来访问3DEP数据。随着3DEP对云存储和计算的采用,用户现在可以选择使用海量激光雷达点云数据集,而不必将其下载到本地计算机。最近,USGS开始将3DEP激光雷达点云数据原创 2020-12-11 20:54:52 · 499 阅读 · 0 评论 -
激光雷达lidar与点云数据
激光雷达lidar与点云数据DEM是分布和显示数字地形的首个广泛使用的机制。点云是在空间中随机放置的3D点的集合。传感器发出能量脉冲并乘以其返回行程(TWTT,双向行程时间)。知道了传感器的位置以及脉冲的传输方向,就可以确定反射面的3D位置。传感器还可以测量回波的强度,以估计反射表面的表面几何形状和材料成分。点云可以直接使用,也可以转换为2.5D网格,DTM或DSM。作为网格,与点云相比,它可以更小,更熟悉并且更易于操作。点云的类型现在,激光雷达通常使用所有小写字母进行拼写,并且代表“光检测和测距原创 2020-12-11 20:33:46 · 2195 阅读 · 0 评论 -
CVPR2020:三维点云无监督表示学习的全局局部双向推理
CVPR2020:三维点云无监督表示学习的全局局部双向推理Global-Local Bidirectional Reasoning for Unsupervised Representation Learning of 3D Point Clouds论文地址:https://openaccess.thecvf.com/content_CVPR_2020/papers/Rao_Global-Local_Bidirectional_Reasoning_for_Unsupervised_Representa原创 2020-07-01 17:12:27 · 1243 阅读 · 0 评论 -
CVPR2020:点云三维目标跟踪的点对盒网络(P2B)
CVPR2020:点云三维目标跟踪的点对盒网络(P2B)P2B: Point-to-Box Network for 3D Object Tracking in Point Clouds代码:https://github.com/HaozheQi/P2B论文地址:https://openaccess.thecvf.com/content_CVPR_2020/papers/Qi_P2B_Point-to Box_Network_for_3D_Object_Tracking_in_Point_Clouds原创 2020-07-01 16:29:16 · 1624 阅读 · 0 评论 -
CVPR2020:4D点云语义分割网络(SpSequenceNet)
CVPR2020:4D点云语义分割网络(SpSequenceNet)SpSequenceNet: Semantic Segmentation Network on 4D Point Clouds论文地址:https://openaccess.thecvf.com/content_CVPR_2020/papers/Shi_SpSequenceNet_Semantic_Segmentation_Network_on_4D_Point_Clouds_CVPR_2020_paper.pdf摘要点云在许多应原创 2020-06-29 18:01:45 · 1495 阅读 · 1 评论 -
CVPR2020:利用图像投票增强点云中的三维目标检测(ImVoteNet)
CVPR2020:利用图像投票增强点云中的三维目标检测(ImVoteNet)ImVoteNet: Boosting 3D Object Detection in Point Clouds With Image Votes论文地址:https://openaccess.thecvf.com/content_CVPR_2020/papers/Qi_ImVoteNet_Boosting_3D_Object_Detection_in_Point_Clouds_With_Image_CVPR_2020_pape原创 2020-06-29 15:42:53 · 1318 阅读 · 0 评论 -
CVPR2020:点云弱监督三维语义分割的多路径区域挖掘
CVPR2020:点云弱监督三维语义分割的多路径区域挖掘Multi-Path Region Mining for Weakly Supervised 3D Semantic Segmentation on Point Clouds论文地址:https://openaccess.thecvf.com/content_CVPR_2020/papers/Wei_Multi-Path_Region_Mining_for_Weakly_Supervised_3D_Semantic_Segmentation_on原创 2020-06-29 14:00:47 · 5709 阅读 · 1 评论 -
CVPR2020:基于层次折叠的跳跃式注意网络点云完成
CVPR2020:基于层次折叠的跳跃式注意网络点云完成Point Cloud Completion by Skip-Attention Network With Hierarchical Folding论文地址:https://openaccess.thecvf.com/content_CVPR_2020/papers/Wen_Point_Cloud_Completion_by_Skip-Attention_Network_With_Hierarchical_Folding_CVPR_2020_pap原创 2020-06-29 13:04:53 · 1032 阅读 · 0 评论 -
CVPR2020:端到端学习三维点云的局部多视图描述符
CVPR2020:端到端学习三维点云的局部多视图描述符End-to-End Learning Local Multi-View Descriptors for 3D Point Clouds论文地址:https://openaccess.thecvf.com/content_CVPR_2020/papers/Li_End-to-End_Learning_Local_MultiView_Descriptors_for_3D_Point_Clouds_CVPR_2020_paper.pdf摘要在这项工原创 2020-06-29 11:00:41 · 1248 阅读 · 0 评论 -
CVPR2020:点云分析中三维图形卷积网络中可变形核的学习
CVPR2020:点云分析中三维图形卷积网络中可变形核的学习Convolution in the Cloud: Learning Deformable Kernels in 3D Graph Convolution Networks for Point Cloud Analysis论文地址:https://openaccess.thecvf.com/content_CVPR_2020/papers/Lin_Convolution_in_the_Cloud_Learning_Deformable_Ker原创 2020-06-29 09:48:20 · 1531 阅读 · 0 评论 -
CVPR2020:训练多视图三维点云配准
CVPR2020:训练多视图三维点云配准Learning Multiview 3D Point Cloud Registration源代码和预训练模型:https://github.com/zgojcic/3D_multiview_reg论文地址:https://openaccess.thecvf.com/content_CVPR_2020/papers/Gojcic_Learning_Multiview_3D_Point_Cloud_Registration_CVPR_2020_paper.pdf原创 2020-06-29 08:31:01 · 1743 阅读 · 1 评论 -
CVPR2020:扩展架构以实现高效的视频识别(X3D)
CVPR2020:扩展架构以实现高效的视频识别(X3D)X3D: Expanding Architectures for Efficient Video Recognition论文地址:https://openaccess.thecvf.com/content_CVPR_2020/html/Feichtenhofer_X3D_Expanding_Architectures_for_Efficient_Video_Recognition_CVPR_2020_paper.html代码位于:https:/原创 2020-06-29 06:59:26 · 1676 阅读 · 0 评论 -
CVPR2020:三维实例分割与目标检测
CVPR2020:三维实例分割与目标检测Joint 3D Instance Segmentation and Object Detection for Autonomous Driving论文地址:http://openaccess.thecvf.com/content_CVPR_2020/papers/Zhou_Joint_3D_Instance_Segmentation_and_Object_Detection_for_Autonomous_Driving_CVPR_2020_paper.pdf原创 2020-06-28 19:44:30 · 1250 阅读 · 0 评论 -
多视点三维行人检测
多视点三维行人检测Improving 3D Object Detection for Pedestrians with Virtual Multi-ViewSynthesis Orientation Estimation论文地址:https://arxiv.org/pdf/1907.06777.pdf摘要准确估计行人的方向对于自动驾驶来说是一项重要而具有挑战性的任务,因为这些信息对于跟踪和预测行人的行为至关重要。本文提出了一种灵活的虚拟多视图综合模块,可应用于三维目标检测方法中,以改进方向估计。该原创 2020-06-14 12:10:26 · 935 阅读 · 0 评论 -
3D目标检测(CVPR2020:Lidar)
3D目标检测(CVPR2020:Lidar)LiDAR-Based Online 3D Video Object Detection With Graph-Based Message Passing and Spatiotemporal Transformer Attention论文地址:http://openaccess.thecvf.com/content_CVPR_2020/html/Yin_LiDAR-Based_Online_3D_Video_Object_Detection_With_Gr原创 2020-06-14 06:05:13 · 1705 阅读 · 1 评论 -
3D点云点云分割、目标检测、分类
3D点云点云分割、目标检测、分类原标题Deep Learning for 3D Point Clouds: A Survey作者Yulan Guo, Hanyun Wang, Qingyong Hu, Hao Liu, Li Liu, and Mohammed Bennamoun原文参考链接:https://arxiv.org/abs/1912.12033导读3D点云学习( Point Clouds)作为近年来的研究热点之一,受到了广泛关注,每年在各大会议上都有大量的相关文章发表。当前,点云上的深原创 2020-06-03 07:02:17 · 3681 阅读 · 0 评论 -
3D点云深度学习
3D点云深度学习在自动驾驶中关于三维点云的深度学习方法应用、三维场景语义理解的方法以及对应的关键技术介绍。数据但是对于3D点云,数据正在迅速增长。大有从2D向3D发展的趋势,比如在opencv中就已经慢慢包含了3D点云的处理的相关模块,在数据方面点云的获取也是有多种渠道, 无论是源于CAD模型还是来自LiDAR传感器或RGBD相机的扫描点云,无处不在。 另外,大多数系统直接获取3D点云而不是拍摄图像并进行处理。因此,在深度学习大火的年代,应该如何应用这些令人惊叹的深度学习工具,在3D点云上的处理上原创 2020-05-31 05:56:17 · 2555 阅读 · 1 评论 -
3D-LiDAR
3D-LiDAR结合光学+激光扫描+数据处理技术,实现对人和物体的无盲点检测。利用专有光学技术实现高精度,高分辨率三维扫描。到目前为止,传感器只能准确地检测出物体的存在,而且很难感知目标的大小和形状。为了提高精度,必须增加激光器的数量,这就产生了激光束之间出现盲点的新问题。将其专有的光学技术应用于这些技术挑战,并创建了一个广域3D激光雷达,仅使用一束具有高扫描精度、高分辨率和无盲点的激光。高精度,广域扫描能力。专有激光投影/接收技术+广域扫描技术。三维激光雷达发射激光搜索一个区域的对象,并测量一个原创 2020-05-25 10:05:14 · 616 阅读 · 0 评论 -
虚拟几何纹理(下)
虚拟几何纹理(下)几何纹理既可以与底曲面相加得到阳刻浮雕,也可以与底曲面几何相减得到阴刻,如图10和11所示,图10. 马头的颜色纹理,几何纹理。图11. 阳刻几何纹理,阴刻几何纹理【4】。同样,可以将龙或者玫瑰曲面制成几何图像,从而转换成几何纹理,做成三维刺青,如图12所示,图12. 三维刺青Tatoo【4】。图13.自然赖瓜的几何纹理提取。自然的几何物体大多具有丰富的几何纹理。2006年,丘成桐先生、张松教授和老顾提出了基于结构光的几何纹理提取方法【4】。如图13所示,从农贸市原创 2020-05-24 14:28:53 · 510 阅读 · 0 评论 -
虚拟几何纹理(上)
虚拟几何纹理(上)关于几何学麻省理工人工智能实验室学习Berthold Horn教授的“机器视觉”课程。Horn教授以“shape from shading”方法驰名天下,他在课堂上亲口讲授了如何用偏微分方程来描述成像过程,通过求解双曲方程来从图像反解几何。他提出用高斯曲率来表示凸曲面的扩展高斯映射方法。这一方法其实等价于微分几何中的闵可夫斯基(Minkowski)问题。通过学习Horn教授的课程,当时计算机视觉的研究方法与经典物理方法相类似,用微分方程来描述自然现象,通过解析方法求得答案。Minkow原创 2020-05-24 14:09:46 · 784 阅读 · 0 评论 -
3D惯导Lidar仿真
3D惯导Lidar仿真LiDAR-Inertial 3D Plane Simulator摘要提出了最近点平面表示的形式化方法,并分析了其在三维室内同步定位与映射中的应用。提出了一个利用最近点平面表示的无奇异平面因子,并在基于图的优化框架中证明了它与惯性预积测量的融合。所得到的LiDAR惯性三维平面SLAM(LIPS)系统在定制的LiDAR模拟器和实际实验中都得到了验证。I.介绍准确、鲁棒的室内定位和映射是自动机器人许多应用的基本要求。室内环境通常是丰富的指令信息,如直线和平面,应加以利用,以实现高原创 2020-05-23 06:13:48 · 932 阅读 · 0 评论 -
最佳点云分割分析
最佳点云分割分析Learning to OptimallySegment Point Clouds论文链接:https://arxiv.org/abs/1912.04976摘要我们关注LiDAR点云的无类实例分割问题。我们提出了一种将图论搜索与数据驱动的学习相结合的方法:在一组候选分割中搜索综合目标性(objectness)评分较高的候选分割。我们证明了,如果根据分割中最低的目标性对分割进行评分,那么就有一种有效的算法可以在成倍数量的候选分割中找到最优的最坏情况分割。此外,我们还针对平均情况提出了原创 2020-05-19 19:57:09 · 567 阅读 · 0 评论 -
3D车道线检测:Gen-LaneNet
3D车道线检测:Gen-LaneNetGen-LaneNet: A Generalized and Scalable Approach for 3D LaneDetection论文链接:https://arxiv.org/abs/2003.10656摘要提出了一种广义的、可扩展的方法,称为Gen-LaneNet,用于从单个图像中检测3D车道。该方法受到最新最先进的3D LaneNet的启发,是一个统一的框架,可在单个网络中解决图像编码、特征空间变换和3D车道预测。这个设计方案复杂度为Gen-Lan原创 2020-05-19 08:27:24 · 2083 阅读 · 0 评论 -
3D深度估计
3D深度估计Consistent Video Depth Estimation·论文地址:https://arxiv.org/pdf/2004.15021.pdf·项目网站:https://roxanneluo.github.io/Consistent-Video-Depth-Estimation/·这项研究主要探究了如何生成准确度和几何一致性更高的视频重建结果,目前该论文已被计算机...原创 2020-05-04 06:49:44 · 683 阅读 · 0 评论 -
3D结构光
3D结构光3D结构光的整个系统包含结构光投影设备、摄像机、图像采集和处理系统。其过程就是投影设备发射光线到被测物体上,摄像机拍摄在被测物体上形成的三维光图形,拍摄图像经采集处理系统处理后获得被测物体表面数据。在这个系统中,当相机和投影设备相对位置一定时,投射在被测物体上的光线畸变程度取决于物体表面的深度,所以在拍摄图像中可以得到一张拥有深度的光线图像。3D结构光的根本就是通过光学手段获取被拍摄...原创 2020-04-28 08:14:59 · 3063 阅读 · 0 评论 -
基于点云的骨骼感知三维人体形状重建
基于点云的骨骼感知三维人体形状重建Skeleton-Aware 3D Human ShapeReconstruction From Point Clouds论文链接:http://openaccess.thecvf.com/content_ICCV_2019/papers/Jiang_Skeleton-Aware_3D_Human_Shape_Reconstruction_From_Po...原创 2020-04-10 09:11:37 · 3198 阅读 · 1 评论 -
三维成像结构光
三维成像结构光Micro-Baseline Structured Light论文链接:http://openaccess.thecvf.com/content_ICCV_2019/papers/Saragadam_Micro-Baseline_Structured_Light_ICCV_2019_paper.pdf摘要我们提出微基线结构光(MSL),一种新的三维成像方法,设计用于小尺寸...原创 2020-04-09 19:39:59 · 923 阅读 · 0 评论 -
三维场景图:用于统一语义、三维空间和相机的结构
三维场景图:用于统一语义、三维空间和相机的结构3D Scene Graph: A structure for unifiedsemantics, 3D space, and camera论文链接:http://openaccess.thecvf.com/content_ICCV_2019/papers/Armeni_3D_Scene_Graph_A_Structure_for_Unifie...原创 2020-04-09 12:18:15 · 1097 阅读 · 0 评论 -
3D-LaneNet:端到端三维多车道检测ICCV2019
3D-LaneNet:端到端三维多车道检测ICCV20193D-LaneNet: End-to-End 3D Multiple LaneDetection论文链接:http://openaccess.thecvf.com/content_ICCV_2019/papers/Garnett_3D-LaneNet_End-to-End_3D_Multiple_Lane_Detection_IC...原创 2020-04-08 19:47:41 · 1392 阅读 · 0 评论 -
CVPR2020论文解读:3D Object Detection三维目标检测
CVPR2020论文解读:3D Object Detection三维目标检测PV-RCNN:Point-Voxel Feature Se tAbstractionfor 3D Object Detection论文链接:https://arxiv.org/pdf/1912.13192.pdf本文在LITTI数据集3D Object Detection三维目标检测性能排名第一。摘要提出...原创 2020-03-20 18:00:53 · 1854 阅读 · 0 评论 -
3D重建算法原理
3D重建算法原理三维重建(3D Reconstruction)技术一直是计算机图形学和计算机视觉领域的一个热点课题。早期的三维重建技术通常以二维图像作为输入,重建出场景中的三维模型。但是,受限于输入的数据,重建出的三维模型通常不够完整,而且真实感较低。随着各种面向普通消费者的深度相机(depth camera)的出现,基于深度相机的三维扫描和重建技术得到了飞速发展。以微软的Kinect,华硕的X...原创 2020-03-18 08:32:03 · 3647 阅读 · 2 评论 -
3D-camera结构光原理
3D-camera结构光原理目前主流的深度探测技术是结构光,TOF,和双目。具体的百度就有很详细的信息。而结构光也有双目结构光和散斑结构光等,没错,Iphone X 的3D深度相机就用 散斑结构光。我用结构光模块做过实验,主要考虑有效工作距离,精度和视场角是否满足需求。本文对结构光(Structured Light)技术做一个比较全面的简介。结构光三维成像的硬件主要由相机和投射器组成,结...原创 2020-03-17 11:37:41 · 3793 阅读 · 1 评论