![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
3D目标检测
文章平均质量分 89
zhaoshenlu829
这个作者很懒,什么都没留下…
展开
-
3D目标检测-二阶段方法(region proposal-based Methods)之基于语义分割的方法(Segmentation based)解读
3D目标检测–region proposal-based Methods–Segmentation based Methods: 该类方法直接输入原始点云数据,需要用到PointNet和PointNet++,因此先对这两种点云数据的特征提取方法进行简述。 1、PointNet(CVPR 2016) 动机: 典型的卷积网络需要格式高度规则的输入数据,比如图像网格或3D体素。由于点云数据具有无序性,大多数研究人员通常会将其转换成规则的3D体素网格或图像集合(例如多视图图像),然后再将它们送入深度神经网络中提原创 2021-01-14 09:07:29 · 1818 阅读 · 2 评论 -
3D目标检测-二阶段方法(region proposal-based Methods)之基于多视角的方法(Multi-view based)解读
3D目标检测–region proposal-based Methods–Multi-view based Methods: 1.MV3D(2017 CVPR) 鸟瞰图的优势:首先,物体在投影到鸟瞰图时保持了物理尺寸,因此具有较小的尺寸差异,这与前视图/RGB图平面的情况不同。其次,鸟瞰图中的物体占据不同的空间,从而避免了遮挡问题。第三,在道路场景中,由于物体通常位于地面上,垂直位置的变化很小,鸟瞰位置对于获得准确的三维边界盒更有优势。 算法流程: 输入的鸟瞰图包含M个高度图切片,一个密度图和一个强原创 2021-01-14 08:55:23 · 1816 阅读 · 1 评论