2023最新 ！3D目标检测算法汇总（单目/双目/LiDAR/多模态/时序等）

最新推荐文章于 2025-05-04 14:56:18 发布
转载 最新推荐文章于 2025-05-04 14:56:18 发布 · 2.8k 阅读 · 17 ·
CC 4.0 BY-SA版权
原文链接：https://mp.weixin.qq.com/s?__biz=Mzg2NzUxNTU1OA==&mid=2247528211&idx=2&sn=06a975c8237cdaffd58d876bd199edd0&chksm=ceb842daf9cfcbccbdc39ac71d0e08db6a2ce69fb401cf80405a23b14e14f3d65655aa902e18&scene=126&sessionid=0
文章标签：

#目标检测 #3d #人工智能 #计算机视觉 #深度学习

文章探讨了自动驾驶中的感知系统，重点在于3D目标检测技术，包括基于激光雷达、Range、单目、双目、多目的方法以及多传感器融合和伪激光雷达的应用。这些技术对于准确估计周围环境和关键目标至关重要。欢迎加入相关知识星球社区深入学习。

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

在现代自动驾驶系统中，感知系统是不可或缺的组成部分，旨在准确估计周围环境的状态，并为预测和规划提供可靠的观察结果。3D目标检测可以智能地预测自动驾驶车辆附近关键3D目标的位置、大小和类别，是感知系统的重要组成部分。今天就带大家盘一盘领域内的相关内容。所有内容均出自『自动驾驶之心知识星球』，欢迎加入获取更多干货！！！

综述

ba8ee04c8113489cf25cce0fcb43ae76.png

基于激光雷达

a56656d61906a01856149cae99f96619.png

c1c7ba4e51d96786754ab3778c5a7583.png

83a074cca335fe0479957b41586c5e17.png

基于Range

dcfaccaf3cae48b29b678953d4cdb5a3.png

基于单目

ec94b809b5b21659cf92ce336b5e2575.png

基于双目

9c077cb06d1c1452fe68c4b6999b5e56.png

基于多目

13b68f2fa8f239c931aa8305b5380f3e.png

基于多传感器融合

899a31c22ee6eba39dfa10f28bdf88d4.png

基于伪激光雷达

a10221d8dc27f23f25df0b189b563031.png

欢迎大家扫码加入自动驾驶之心知识星球，一起学习一起卷！

f6ca73f63e21f7e3cd007a76d7bef886.jpeg

任何疑问欢迎联系汽车人助理，备注方向+昵称：

c4f6074ac0dbe45a0c6a80b73659ea67.jpeg

目标检测算法
数字人生
07-05 1371
1. R-CNN（Region-based Convolutional Neural Network）系列算法：包括 R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN，这些算法都是以区域建议网络 (RPN) 作为基础，使用卷积神经网络进行特征提取和分类。5. EfficientDet：EfficientDet是一种高效的目标检测算法，它基于EfficientNet网络结构，通过使用一系列特征金字塔网络和轻量级的检测头，实现了更高的检测精度和更低的计算开销。
FastestDet：比yolov-fastest更快！更强！全新设计的超实时Anchor-free目标检测算法
@bangbang的博客
04-01 1040
FastestDet是设计用来接替yolo-fastest系列算法，相比于业界已有的轻量级目标检测算法如yolov5n, yolox-nano, nanoDet, pp-yolo-tiny, FastestDet和这些算法压根儿不是一个量级，FastestDet无论在速度还是参数量上，都是要小好几个数量级的(不要在拿int8的模型和我fp32的模型比体积了,不公平)，但是精度自然而然也比不过。FastestDet是针对计算资源紧缺的ARM平台设计的。
CVPR 2023｜UniDetector：7000类通用目标检测算法（港大&清华）
CV_Autobot的博客
03-29 3916
作者|CV君 编辑| 极市平台点击下方卡片，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【目标检测】技术交流群导读论文中仅用了500个类别参与训练，就可以使UniDetector检测超过7k个类别！向大家介绍一篇今天新出的非常有意思的 CVPR 2023 的论文，相比于传统的目标检测算法，训练时标注了几个类别，就只能检测几个类别，这篇论文属于通用目标检测的范...
最新目标检测算法回顾2022笔记
xiaobaizaza_Ry的博客
05-23 1万+
目标检测算法回顾2022笔记[附PPT]总目录篇章1：目标检测的应用与需求篇章2：目标检测的定义与挑战篇章3：目标检测损失函数的进展篇章4：目标检测IOU的发展历程篇章5：目标检测评价指标及数据集篇章6： 目标检测算法的发展概览篇章7：目标检测传统算法的发展篇章8：基于anchor based的目标检测算法发展之two-stage篇篇章9：基于anchor based的目标检测算法发展之one-stage篇[篇章10：基于anchor free的目标检测算法发展](https://blog.youkuaiyun.com
史上最全综述 | 3D目标检测算法汇总！（单目/双目/LiDAR/多模态/时序/半弱自监督）
CV_Autobot的博客
08-15 2185
史上最全综述 | 3D目标检测算法汇总！（单目/双目/LiDAR/多模态/时序/半弱自监督
超全汇总 | 基于Camera的3D目标检测算法综述！（单目/双目/伪激光雷达）
CV_Autobot的博客
09-02 3961
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【数据集下载】获取计算机视觉近30种数据集！目前3D目标检测领域方案主要包括基于单目、双目、激光雷达点云、多模态数据融合等方式，本文主要介绍基于单目、双目和伪激光雷达数据的相关算法，下面展开讨论下~3D检测任务介绍3D检测任务一般通过图像、点云等输入数据，预测目标相比于相机或lidar坐标系的...
基于时序预测和多模态融合的自动驾驶3D多目标追踪算法研究
最新发布
08-16
5. 追踪算法：设计和实现针对3D多目标追踪的算法，该算法能够利用时序预测和多模态融合的结果进行实时追踪，并在必要时进行交互式校正。 6. 系统实现与评估：将研究的追踪算法实现在自动驾驶系统中，并通过大量的...
3D目标检测入门：PointPillars算法原理与实现
AI天才研究院
04-14 2617
3D目标检测是自动驾驶、机器人导航和增强现实等领域的核心技术。与2D目标检测相比，3D检测能够提供物体的空间位置、尺寸和朝向等更丰富的信息。本文旨在深入浅出地介绍PointPillars这一高效的3D目标检测算法，帮助读者理解其原理并掌握实现方法。本文首先介绍3D目标检测的背景和PointPillars的概况，然后深入解析算法原理和架构。接着通过数学建模和代码实现展示具体细节，最后讨论应用场景和未来发展方向。点云(Point Cloud)：一组三维空间中的点，通常由激光雷达(LiDAR)采集。
深度学习视觉BEV 3D目标检测算法综述
a8598671的博客
03-18 3288
随着自动驾驶、机器人和智能交通的发展，基于视觉的 BEV（Bird’s Eye View，鸟瞰视角）3D 目标检测 成为一个重要的研究方向。相比于 LiDAR 方案，纯视觉 BEV 方法更具成本优势，并且在感知、检测和地图构建等方面有着巨大的应用潜力。尽管当前的 BEV 视觉方法取得了一定进展，但仍然面临诸多挑战。
目标检测（Object Detection）--Faster R-CNN算法
USTC_Lucas
11-24 1713
目前目标检测领域的深度学习方法主要分为两类：two stage的目标检测算法；one stage的目标检测算法。前者是先由算法生成一系列作为样本的候选框，再通过CNN进行样本分类；后者则不用产生候选框，直接将目标边框定位的问题转化为回归问题处理。正是由于两种方法的差异，在性能上也有不同，前者在检测准确率和定位精度上占优，后者在算法速度上占优。 R-CNN 1、R-CNN算法利用选择性搜索（...
【目标检测】一文掌握2025最新视觉缺陷检测的算法
商务合作 | 面试培训 | 职场规划 ==>主页扫码
05-04 2799
一文掌握视觉缺陷检测算法
0.99M，150FPS，移动端超轻量目标检测算法PP-PicoDet来了！
Python中文社区
11-20 2336
说到目标检测，那可谓当前的自动驾驶、新零售、智慧工业等热门行业中的关键技术之一。目标检测不仅在行人、车辆、商品以及火灾检测等任务中发挥着极其关键的价值，在目标跟踪、姿态识别、手势控制、图像...
目标检测算法综述
qq_42835363的博客
03-28 5539
目标检测算法综述 包含YOLO全系列
FastestDet：比yolov5更快！更强！全新设计的超实时Anchor-free目标检测算法（附源代码下载）...
gzq0723的博客
10-28 170
关注并星标从此不迷路计算机视觉研究院公众号ID｜ComputerVisionGzq学习群｜扫码在主页获取加入方式计算机视觉研究院专栏作者：Edison_G本篇文章转自于知乎——qiuqiuqiu，主要设计了一个新颖的轻量级网络！代码地址：https://github.com/dog-qiuqiu/FastestDet01概述FastestDet是设计用来接替yolo-fastest系列算法，相比于...
FCOS: 最新的one-stage逐像素目标检测算法
热门推荐
yuanCruise
04-07 4万+
论文地址：https://arxiv.org/pdf/1904.01355.pdf 本文提出了一种全卷积one-stage目标检测算法（FCOS），以逐像素预测的方式解决目标检测问题，类似于语义分割。目前最流行的不论是one-stage目标检测算法，如RetinaNet，SSD，YOLOv3，还是two-stage目标检测算法，如Faster R-CNN。这两类算法大都依赖于预定义的锚框（anch...
YOLOv7-3D目标检测算法原理与实现
YOLOv7-3D是一种面向三维目标检测任务的先进深度学习算法，其核心思想是在经典...未来的研究可进一步探索时序信息融合、不确定性建模以及跨模态协同优化等方向，推动单目3D检测向更高精度与更强鲁棒性的目标持续迈进。
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