激光点云感知
关注
分享
扫一扫
文章平均质量分 84
主要总结多种lidar点云分割和检测流派算法发展和技术思考
mingshili
从事CV，智能驾驶相关行业；对AI非常感兴趣；对于pytorch非常熟练，自己从无到有搭建过物体检测，语义分割等模型工程（FasterRCNN，YOLO，SSD，Unet，DeepLab，SqueezeSeg等）；目前主要专注于激光点云语义分割相关领域；并且对于模型部署和算子优化有一定深入的造诣。
展开
-
[AI 算法] PointPillar算法
pointpillar最主要的特点是检测速度和精度的平衡1. 研究出发点现有的一些研究喜欢将不规则、稀疏的点云数据按照以下两种方式进行处理，然后引入RPN层进行3D Bbox Proposal，这两种方法为：（1）将点云数据划纳入一个个体素（Voxel）中，构成规则的、密集分布的体素集。常见的有VoxelNet和SECOND，这在之前的文章中已经解析过了；（2）从俯视角度将点云数据进行处理，获得一个个伪图片的数据。常见的模型有MV3D和AVOD，这也说过了。. 主要是将点云透射到俯视图上，然后原创 2025-02-12 11:40:19 · 223 阅读 · 0 评论 -
[AI算法-激光感知] 激光点云分割系列-Multi-View系列
主要整理多种视图融合的点云语义分割架构paper原创 2025-02-08 17:51:34 · 467 阅读 · 0 评论 -
[AI算法-激光感知] 激光点云物体检测-PointView系列
主要介绍Point-Based的语义分割系列算法，以及这方面算法主要的一些核心原创 2025-02-08 17:34:36 · 659 阅读 · 0 评论 -
[AI算法-激光感知] 激光点云分割系列-PointView系列
主要介绍一些Point-Based的点云分割模型原创 2025-02-08 10:20:47 · 576 阅读 · 0 评论 -
[PCL] pcl 可视化工具viewer使用
【代码】[PCL] pcl 可视化工具viewer使用。原创 2025-01-23 14:22:18 · 520 阅读 · 0 评论 -
[论文阅读] Online Inference and Detection of Curbs in Partially Occluded Scenes with Sparse LIDAR
提出了一个框架标注3D点云，并且将其投射到鸟瞰图，对路沿进行掩码标注，标注包括：遮挡和未遮挡的，并用anchor机制对其进行预测原创 2022-12-22 14:27:40 · 199 阅读 · 0 评论 -
[论文阅读] SalsaNet: Fast Road and Vehicle Segmentation in LiDAR Point Clouds for Autonomous Driving
利用图像的道路标注的掩码，映射到点云地面点，然后生成训练集； 然后将点云**前视图**和**俯视图**映射，用类似Unet进行分割原创 2022-12-22 14:17:57 · 248 阅读 · 0 评论 -
[论文阅读] LU-Net: An Efficient Network for 3D LiDAR Point Cloud Semantic Segmentation Based on E2E...
本文用UNet对前视图投影进行分割预测，但是本文主要的改进是添加了一个分支，这个分支是用过计算前视图的每个像素周围8个点与该像素点的关系，并且用MLP进行编码，然后在与instensity, range通道相加，再用MLP进行编码，得到N个通道，然后进行Unet卷积操作。原创 2022-12-22 12:05:04 · 575 阅读 · 0 评论 -
[论文阅读] RIU-Net: Embarrassingly simple semantic Segmentation of 3D lidar point cloud
采用Unet这种2D任务中通用的模型，预测前视图投影的range-image点云数据。原创 2022-12-22 12:02:52 · 207 阅读 · 0 评论 -
[论文阅读] RGB and LiDAR fusion based 3D Semantic Segmentation for Autonomous Driving
将图像与雷达融合，然后在SqueezeSeg的基础上在数据通道上添加三个颜色通道，并且结构上采用分离特征融合的方式原创 2022-12-22 12:00:51 · 227 阅读 · 0 评论 -
[论文阅读] PointSeg: Real-Time Semantic Segmentation Based on 3D LiDAR Point Cloud
在SqueezeSeg的基础上，利用PSPNet思想进行网络结构的创新，使得即快有准。原创 2022-12-22 11:57:12 · 622 阅读 · 0 评论 -
[论文阅读] SqueezeSegV3: Spatially-Adaptive Convolution for Efficient Point-Cloud Segmentation
标准卷积使用相同的权重来处理所有空间位置的输入要素，而不考虑输入。因此本文采用自适应卷积可以根据输入和图像中的位置来改变权重。原创 2022-12-22 11:56:42 · 555 阅读 · 0 评论 -
[论文阅读] SqueezeSegV2: Improved Model Structure and Unsupervised Domain Adaptation...
针对squeezeSegV1的不足进行改进：1）由于dropnoise带来的性能不高问题；2）通过模拟数据来缓解数据采集压力原创 2022-12-22 11:49:09 · 240 阅读 · 0 评论 -
[论文阅读] SqueezeSeg V1
点云分割前视图方法的开创性工作原创 2022-12-21 20:09:46 · 767 阅读 · 1 评论 -
[论文阅读] 激光点云分割-RandLANet
激光点云分割-RandLANet: 减少采样的执行代价，通过利用随机采样的方式进行下采样；但是这种方式又会导致信息丢失，所以通过局部特征聚合的方式进行补偿这种丢失原创 2022-04-28 00:00:00 · 635 阅读 · 1 评论