本笔记详细介绍了3D点云处理课程中的3D对象检测，涵盖VoxelNet、PointPillars、PointRCNN等方法。讨论了基于图像、体素、点云融合的深度学习理论，并提及了数据预处理、数据增广和损失函数优化策略。
课程笔记-三维点云处理06 ——3D Object Detection（下）
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
课程链接：
三维点云处理——深蓝学院
正式内容:
####################################################
本节课大纲：
############################################################
VoxelNet, PointPillars
对于三维数据的处理方式有以下四种：
多为结合2D的神经网络思想与方法，主要都是1stage和2stage方法，主要主干为基于图像的CNN解决方法和pointnet 的直接解决方法。
最低0.47元/天 解锁文章
扫一扫
1840
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
