27、目标检测与分割的应用：3D目标检测与视频动作识别

目标检测与分割的应用：3D目标检测与视频动作识别

1. 3D目标检测基础

在自动驾驶等领域，准确预测3D物体的位置和方向至关重要。传统的2D目标检测通过锚框算法在2D图像上预测边界矩形，而3D目标检测则是将这一概念扩展到预测物体周围的3D边界框。

1.1 数据采集：LiDAR传感器

Light Detection and Ranging（LiDAR）是一种常用的实时3D数据采集传感器。它通过安装在旋转装置上的激光，每秒发射数百次激光束，另一个传感器接收周围物体反射的激光，并计算激光在遇到障碍物前的传播距离。通过在汽车的各个方向进行测量，可得到反映环境的3D点云数据。

1.2 输入编码

原始输入是3D点云，以.bin文件形式呈现。可以使用 np.fromfile(<filepath>) 将其加载为NumPy数组。以下是示例代码：

import numpy as np
from glob import glob
from random import choice as choose

files = glob('training/velodyne')
F = choose(files)
pts = np.fromfile(F, dtype=np.float32).reshape(-1, 4)
print(pts)

为了可视化这些点云数据，可进行如下操作：

import plotly.graph_o