
3D点云目标检测
竹之雅
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
Voxel-based及SECOND网络学习
VoxelNet原理:将三维点云划分成一定数量的Voxel,然后进行随机采样以及归一化,非空Voxel特征提取得到Voxel-wise Feature,3D卷积中层网络抽象特征,最后用RPN对物体分类检测与位置回归Feature Learning Network1.体素划分2.分组3.随机采样Convolutional Middle Layers这一层的计算量很大,也是整个网络存在的最大问题,Second将这个网络换成稀疏3D卷积网络,计算速度大幅提升Regio原创 2022-02-20 21:03:58 · 1607 阅读 · 0 评论 -
PointRCNN网络结构及原理
PointRCNN简介CVPR2019,Kitti三维目标检测测试当年第一Motivation:PointRCNN两个阶段第一个阶段先生成3d bounding box proposals第二个阶段:对3d box 微调基于bin区间的3D框回归首先预测中心的的位置,将回归任务换成分类任务,类似在坐标轴四个区间分类其次预测Yaw角大小,将360度划分成很多格,然后将yaw角分类最后对yaw角分类后一个偏置量的预测,这个是回归任务,前两者都是分类任务预测各个角度,分成12个原创 2022-02-18 11:52:33 · 1330 阅读 · 1 评论 -
PointNet和PointNet++网络结构和原理学习
3D深度学习点云表示多视角,体素,点云,mesh图PointNet 解决的问题3D卷积计算量大,多视角应用范围受局限PointNet设计思想:解决无序,点之间的交互,以及置换不变性利用对称函数解决置换不变性多层感知机针对点云的视角变换:通过T-Net网络PointNet 的问题缺乏局部信息平移不变性局限性...原创 2022-02-18 10:49:18 · 1644 阅读 · 0 评论