3D物体检测学习笔记-初识(一)
一、学习视频
1、B站-将门创投 祁芮中台
点云上的深度学习及其在三维场景理解中的应用.
2、B站-深蓝学院 祁芮中台
3D物体检测算法和未来方向.
二、PPT内容
导师是红黑树的创造者…牛批
1 3D应用

自动驾驶:场景理解、
增强现实、虚拟现实、混合现实
很难写固定程序实现,需要用数据驱动的方式,即3D点云数据中的深度学习
3D-DeepLearning
2 、3D表达形式


3 、在此之前的工作
点云是最合适的,比mesh 体素 深度图好。



4、研究问题

4、我们工作:PointNet


4.1 挑战 - 解决点云数据无序的问题









4.2 挑战 - 解决点云数据平移不变性的问题
比如汽车从不同视角看,具有不一样的空间位置




4.3 PointNet在一些任务中的应用效果




4.4 PointNet的特点




5 PointNet++

5.1 PointNet的局限


5.2 PointNet++












6 基于PointNet与PointNet++的3D场景理解

6.1 基于PointNet与PointNet++的3D场景理解概述

6.2 3D物体检测


6.2 3D物体检测之前的工作


6.3 我们的工作-基于视锥PointNet 的3D物体检测




6.4 结果











7 报告总结






这篇学习笔记探讨了3D物体检测的重要性,介绍了PointNet和PointNet++在解决点云数据无序和平移不变性问题上的创新。PointNet通过其特有的架构解决了点云数据的挑战,并在多个任务中展现出良好性能。PointNet++则进一步解决了PointNet的局限性,增强了3D场景理解。报告中还提出了基于视锥PointNet的3D物体检测方法并展示了实验结果。
3022

被折叠的 条评论
为什么被折叠?



