qq_20184333的博客

本文并没有在关注机制内寻求创新的动力。相反，它侧重于克服点云处理背景下精度和效率之间的现有权衡，利用规模的力量。从3D大规模表示学习的最新进展中获得灵感，我们认识到模型性能更受规模而不是复杂设计的影响。因此，我们提出了点转换器V3 (PTv3)，它优先考虑简单性和效率，而不是缩放后对整体性能影响较小的某些机制的准确性，例如用具有特定模式组织的点云的高效序列化邻居映射取代KNN的精确邻居搜索。

我们假设二进制状态。

在场景中检测和分割移动物体的能力对于构建一致的地图、做出未来状态预测、避免碰撞和规划至关重要。在这封信中，我们解决了3D激光雷达扫描中运动物体分割的问题。我们提出了一种新颖的方法，将当前仅激光雷达移动物体分割的最新技术向前推进，为自主机器人和其他车辆提供相关信息。我们的方法不是从语义上对点云进行分割，即预测车辆、行人、道路等语义类，而是。

除此之外，为了。

有关SUMA++的代码阅读，包括搜罗的网上的一些解析以及自己的见解