26页综述，99篇参考文献！自动驾驶的3D目标检测技术！中国人民大学出品！

最新推荐文章于 2024-11-22 16:39:54 发布
原创 最新推荐文章于 2024-11-22 16:39:54 发布 · 3.1k 阅读 · 3 ·
CC 4.0 BY-SA版权
学习记录

中国人民大学发布了一份26页的综述论文，详细探讨了自动驾驶领域的3D目标检测技术，涵盖99篇参考文献。内容包括传感器优缺点、3D目标检测流程等关键信息，对于自动驾驶研究极具参考价值。

论文链接：https://arxiv.org/abs/2106.10823

这是2021年6月最新的3D目标检测综述，很有参考意义！

大家对自动驾驶以及3D目标检测越来越关注：

传感器的优缺点：

3D目标检测流程

这个表很重要

最低0.47元/天 解锁文章
自动驾驶文献学习《A Survey of Autonomous Driving: Common Practices and Emerging Technologies》
slender_1031的博客
09-09 8893
这是一篇有关于自动驾驶的综述性很强的论文，发布于2020年4月。全文系统地介绍了自动驾驶系统的发展历史及发展现状，阐述了自动驾驶系统目前面临的困难与挑战，然后依次从自动驾驶系统框架、传感器分类、地图定位、信息感知与评估、路径规划等多个方面，分析比较了现有研究技术方法的优势和不足
51c自动驾驶~合集58
最新发布
whaosoft~aiotの开发板商城
06-09 1609
在处理超长上下文（如 64K 和 128K）任务时，CCA-LLM 的 EM 得分超越了标准自注意力机制，同时推理速度也显著提升——在 128K 上下文长度下，推理速度达到标准自注意力方法的 7.9 倍，展现出其在高效长文本建模方面的突出优势。b) 树形优势值估计 (Tree-based): 在长思维链场景下，MC 估计的代价很高，团队提出了一种高效的树形估计方法：将采样轨迹组织成树形结构，通过自底向上的奖励聚合计算状态价值（V 值），同一个父节点的子节点形成一个组，在组内计算每个段的优势值。
自动驾驶论文
03-10
里面主要有一篇自动驾驶的论文，用python实现的，还有对应的源代码！推荐！
深度学习3D目标检测综述文献
datian1234的博客
07-29 2065
基于传感器的类型，可以划分为基于激光雷达相机、基于雷达和基于地图融合的三大类方法。其中基于激光雷达相机的方法依据融合时间又可以划分为前处理阶段融合、特征提取阶段融合和后处理阶段融合三类。
3D目标检测综述
xinxiang7
02-04 5514
主要从技术变更历史、发展路线、数据集、数据融合的方式、当前知名的实验室以及大牛，其中的侧重点等方面介绍。当作是文献阅读的一种记录。有不足之处还请指出。
基于深度学习的工业缺陷检测（开篇）
weixin_46627194的博客
04-27 3075
为了更好了解深度学习，下面推荐了一篇深度学习的综述和一本深度学习的学习书籍，各位可以抽空看看【深度学习领域的领军人物Yann LeCunGeoffrey Hinton出品】吗，相信你会有不少的收获。
自动驾驶合集2
whaosoft~aiotの开发板商城
10-21 1492
１.轨迹预测题目：A Survey on Trajectory-Prediction Methods for Autonomous Driving名称：自动驾驶轨迹预测方法综述论文：https://ieeexplore.ieee.org/document/9756903题目：Trajectory-Prediction with Vision: A Survey名称：视觉轨迹预测：一项调查论文：https://arxiv.org/abs/2303.13354。
从NPU-SLAM-EDA技术分析
吴建明wujianming_110117
08-09 1979
从NPU-SLAM-EDA技术分析
【论文阅读】【综述】3D Object Detection 3D目标检测综述
pangxing6491的博客
10-14 412
https://blog.youkuaiyun.com/wqwqqwqw1231/article/details/90693612
一篇关于自动驾驶的论文
06-27
一篇关于自动驾驶的论文，上传上来和大家一起分享。。。
3D目标检测进展综述
04-25
文中首先对基于深度学习的2D目标检测算法进行概述;其次根据图像、激光雷达、多传感器等不同数据采集方式,分析目前具有代表性和开创性的3D目标检测算法;结合自动驾驶的应用场景,对比分析不同 3D 目标检测算法的性能、优势和局限性;最后总结了3D目标检测的应用意义以及待解决的问题,并对 3D 目标检测的发展方向和新的挑战进行了讨论和展望。
3D目标检测综述，202206
huang_victor的博客
02-28 463
3D目标检测综述，阅读论文的提取和总结。
3D目标检测综述笔记
weixin_50161877的博客
03-28 1729
点云特征学习中的集合抽象（Set Abstraction）是一种常用的方法，用于从原始点云数据中提取更高级别的特征表示。它通过将点云分解为一组更紧凑的点集，每个点集代表一个更大范围的区域或物体，以捕捉全局和语义信息。集合抽象的基本思想是通过层次化的方式对点云进行分割和聚合。通常，这个过程包括以下步骤：区域分割：使用一种分割算法（如基于体素、基于聚类或基于几何特征等）将原始点云分割成多个局部区域或子集。每个子集中的点代表一个局部区域。局部特征提取：对每个局部区域内的点进行特征提取。
自动驾驶_参考资料
weixin_41577426的博客
05-25 527
CARLA自动驾驶模拟器 Carla环境配置与benchmark解读
自动驾驶中3D目标检测综述
gongyuandaye的博客
01-14 2961
在3D目标检测中，一般有两类评估指标，一类是将2D检测中的AP挪用到3D检测中，如KITTI，包含3D和BEV两个AP，分别代表3D上的IoU和BEV上的IoU，另一类评估指标则是基于下游任务的，如PKL、SDE等，比如在驾驶场景中，相同的IoU随着离驾驶人越近，权重增加，因为更能危及到驾驶人的安全问题，这就是AP指标未能考虑的点。但是PKL、SDE也不是完美的，PKL是需要预训练的运动规划器的，但是预训练的过程并非能保证不出错，而SDE需要重构物体边界，这通常是很复杂的。
自动驾驶3D目标检测综述（三）
qq_52889317的博客
11-22 2845
在这个章节主要介绍一些基于相机的3D目标检测的方法，分别会回顾和分析单目3D目标检测（又分为仅基于图像、深度信息辅助和先验引导的方法）、基于立体图像的3D目标检测和多相机下的3D目标检测方法。
端到端深度学习与自动驾驶（含参考文献）
热门推荐
自己的学习笔记
12-21 2万+
参考文献见最后。1.自动驾驶系统的分类 Rule based system基于规则的系统, 也有论文中将这样的方法叫做Mediated percepiton approach. Fully end-to-end 端到端的系统, 也有论文中叫做behavior reflex approach. Intermediate approach综合1、 2两种的综合性方法,如 Princeton的DeepDr
3D 目标检测综述梳理图解
weixin_44287798的博客
09-19 1225
写在最后 这个是我刚入门3D检测时候做的一些整理，所以可能会有些不正确的地方，请大家直接批评指正。如果想要pdf版本可以私聊我，代价就是拿相应的pdf来换，分割、transformer、人脸、GAN、模型压缩等综述都可以 嘿嘿。基于BEV的好处 可以避免RGB提供的信息错误引起误差，并且事先投影可以有效提高计算效率，从而达到实时性，但是如何解决高度上的信息丢失需要考虑 比如采用额外的channel保存ground & 目标高度。由于传不了pdf，本人就直接传图片吧。
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