冯子材的博客

SynLiDAR：从合成 LiDAR 序列点云中学习语义分割特征摘要从合成数据到真实数据的迁移学习已被证明是减轻各种计算机视觉任务中数据注释约束的有效方法。然而，由于缺乏大规模高质量合成点云数据和有效的迁移学习方法，3D点云数据的发展落后于2D图像的发展。SynLiDAR是一种合成 LiDAR 点云数据集，其中包含具有准确几何形状和全面语义类别的大规模逐点注释点云。而PCTNet是一种旨在缩小与真实世界点云数据的差距的点云转换网络。对于 SynLiDAR，利用图形工具和专业人员构建多个具有丰富场景类型和

下载链接：https://arxiv.org/abs/1911.02620该文为CVPR2019文章，由Argo AI、卡内基梅隆大学、佐治亚理工学院发布。文章介绍了用于支持研究自动驾驶汽车感知任务（3D 跟踪与运动预测）的数据集Argoverse。对Argoverse做简要介绍如下：Argoverse官网地址为www.argoverse.org。数据包括Argoverse 3D Trackin...

转载自https://www.cnblogs.com/llfctt/p/9475659.html,侵删kitti数据集标定文件解析 1、kitti数据采集平台KITTI数据集的数据采集平台装配有2个灰度摄像机，2个彩色摄像机，一个Velodyne64线3D激光雷达，4个光学镜头，以及1个GPS导航系统。图示为传感器的配置平面图，为了生成双目立体图像，相同类型的摄像头相距54cm安装。...