自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(14)
  • 收藏
  • 关注

原创 【三维感知目标检测论文阅读】《Point RCNN: An Angle-Free Framework for Rotated Object Detection》

《Point RCNN: An Angle-Free Framework for Rotated Object Detection》提出了一种纯无角度的两阶段旋转目标检测框架,专门解决遥感影像中物体任意旋转带来的边界不连续性问题。该方法通过PointRPN网络预测代表点生成旋转候选框,再用PointReg优化角点坐标,完全避免角度回归。核心创新在于用点表示替代角度参数,提供更稳定的旋转框建模方式。

2025-07-03 16:21:40 1116

原创 【三维感知目标检测论文阅读】《BEVFusion: A Simple and Robust LiDAR-Camera》

北大与阿里合作的BEVFusion提出了一种鲁棒性更强的BEV融合框架,核心创新在于解耦的双流架构设计。不同于主流方法依赖LiDAR查询相机特征,该框架让相机和LiDAR各自独立生成BEV特征,再通过轻量级融合模块结合。实验表明,在LiDAR故障场景下(如视场受限或点云缺失),该方法的性能优势达到15.7%-28.9% mAP,显著提升了自动驾驶系统的可靠性。与MIT版BEVFusion相比,本工作更关注传感器失效时的鲁棒性问题,而非视图转换效率。

2025-07-02 10:52:08 1187

原创 【三维感知目标检测论文阅读】《BEVFusion: Multi-Task Multi-Sensor Fusion with Unified Bird‘s-Eye View Representatio》

《BEVFusion:统一鸟瞰图表示的多任务多传感器融合》提出了一种创新的多模态融合框架。该研究针对现有方法在LiDAR-相机融合中存在的几何或语义信息损失问题,创造性地将所有传感器特征统一转换到鸟瞰图(BEV)空间进行融合。通过高效的BEV Pooling优化(预计算和区间缩减技术)实现40倍加速,使系统在nuScenes数据集上取得显著突破。该工作不仅解决了多模态融合的核心挑战,还为自动驾驶感知系统提供了高效、通用的解决方案。

2025-07-01 10:34:59 782

原创 【三维感知目标检测论文阅读】《TransFusion: Robust LiDAR-Camera Fusion for 3D Object Detection with Transformers》

ransFusion提出了一种基于Transformer的鲁棒LiDAR-相机融合3D目标检测方法。针对传统硬关联融合方法对图像质量和标定误差敏感的问题,该方法通过两个序贯的Transformer解码层实现软关联:第一层利用LiDAR特征生成初始3D框,第二层通过空间调制交叉注意力(SMCA)自适应融合图像特征,使模型能智能选择有用视觉信息。实验表明,该方法在nuScenes数据集上表现优异,尤其在夜间、图像缺失和传感器未对齐情况下展现出更强鲁棒性。

2025-06-27 10:22:48 875

原创 【三维感知目标检测论文阅读】《VoxelNeXt: Fully Sparse VoxelNet for 3D Object Detection and Tracking》

《VoxelNeXt:全稀疏体素网络的3D目标检测与追踪》提出了一种创新的全稀疏检测框架,挑战了传统依赖密集特征转换和代理预测的范式。该模型通过增强稀疏主干的感受野、采用稀疏预测头和独特的体素关联追踪机制,实现了端到端的稀疏检测流程。实验表明,VoxelNeXt在nuScenes等多个基准测试中取得领先性能,预测头计算量仅为密集方法的4%,同时消除了NMS后处理需求。研究表明物体预测可不依赖中心位置,为3D检测提供了更高效的新范式。

2025-06-26 10:16:53 1139

原创 【三维感知目标检测论文阅读】《Voxel R-CNN: Towards High Performance Voxel-based 3D Object Detection》

Voxel R-CNN通过纯体素化方法实现高效3D目标检测,提出Voxel RoI Pooling模块替代PV-RCNN的耗时点-体素交互。该框架在KITTI和Waymo数据集上取得与顶尖点云方法相当的精度,同时推理速度提升3倍至25 FPS。关键创新包括体素邻居感知的Voxel Query和加速的PointNet模块,验证了粗粒度体素网格足以提供精确检测所需的空间信息。消融实验显示该方法在保持高精度的同时显著优化了计算效率。

2025-06-25 10:29:05 706

原创 【三维感知目标检测论文阅读】《PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection》

PV-RCNN提出了一种创新的3D物体检测框架,将体素CNN的高效性与PointNet的灵活性相结合。该方法通过两个核心模块:Voxel-to-Keypoint场景编码将多尺度体素特征聚合到关键点,以及Keypoint-to-Grid RoI特征抽象为每个提案提取丰富上下文特征。在KITTI和Waymo数据集上的实验表明,该方法显著优于现有技术,特别是在中远距离检测上。PV-RCNN为两阶段3D检测器提供了一个高效且精确的新范式,成为该领域的重要里程碑。

2025-06-24 09:49:51 1145

原创 【三维感知目标检测论文阅读】《PointPillars: Fast Encoders for Object Detection from Point Clouds》

本文介绍了一种高效的激光雷达3D目标检测方法PointPillars。该方法创新性地将点云转换为2D柱状伪图像,通过简化版PointNet提取特征后,利用2D卷积网络进行处理,完全避免了传统方法中耗时的3D卷积操作。实验表明,PointPillars在KITTI数据集上取得了62Hz的实时检测速度,显著优于当时其他方法,同时保持高检测精度。该方法为实时高精度3D检测提供了新思路,是工业界青睐的解决方案。

2025-06-23 09:49:00 802

原创 【三维感知目标检测论文阅读】《SECOND:Sparsely Embedded Convolutional Detectio》

SECOND论文提出了一种高效的3D目标检测框架,主要创新包括:1) 采用稀疏卷积处理体素化点云,显著降低计算量;2) 设计正弦误差损失函数解决角度回归难题;3) 提出真值采样的数据增强方法提升模型性能。实验表明,该方法在KITTI数据集上实现20-40 FPS的实时检测,精度超越VoxelNet等基准模型。该研究为基于体素的3D检测提供了高效解决方案,对后续工作具有重要影响。

2025-06-20 09:33:58 906

原创 【三维感知目标检测论文阅读】《Deep learning for 3D Object Detection and Tracking in Autonomous Driving》

这篇综述论文《Deep learning for 3D Object Detection and Tracking in Autonomous Driving》系统梳理了自动驾驶中基于深度学习的3D目标检测与跟踪技术。文章重点分析了点云数据处理的两大类方法:两阶段(先候选区域生成后精细检测)和单阶段(端到端直接检测)方法,对比了各自优缺点及典型算法(如MV3D、PointRCNN、VoxelNet等)。同时指出了当前面临的核心挑战:点云数据稀疏性、计算效率、多模态融合等问题,并探讨了未来研究方向。

2025-06-19 10:04:53 800

原创 【三维感知目标检测论文阅读】《3D Object Detection for Autonomous Driving: A Comprehensive Survey》

VoxelNet 和 PointPillars 是里程碑式的工作,它们通过将点云规则化,从而可以应用高效的卷积网络进行处理,在速度和精度之间取得了很好的平衡。这篇综述最棒的地方之一,就是它提供了一个非常清晰的层次化结构图(论文中的Figure 1),几乎涵盖了3D目标检测的所有方面。这是目前研究的热点,融合的方式也多种多样,从简单的拼接到复杂的注意力机制和Transformer。这篇综述系统地梳理了自动驾驶3D目标检测领域的各项技术,无论是刚入门的小白,还是想深入了解最新进展的老手,都能从中获益匪浅。

2025-06-18 17:16:18 2548

原创 基于matlab解决配料问题及其衍生问题和灵敏度分析

  本学期我们小组进行了完成了一个项目,项目的主要目标是常见配料问题的解决与方案设计。常见配料问题是针对u种产品、v种材料,在一定条件限制下,如何通过合理配料实现利益最大化的问题。该项目可以针对一个具体问题给出最大利益和最优方案,以便于使用者可以直接参考方案进行生产。项目主要分为三个部分:UI交互界面设计、接口设计、单纯形法算法设计。该项目的增强部分在于混合整数规划的设计,可以解决配料问题中部分变量存在整数要求的情况。用户可以通过UI界面输入问题要求,接口将问题抽象为一般单纯形,单纯形法算法解决问题并通过U

2020-06-21 22:16:29 2611

原创 matlab基于傅里叶变换实现信号的波形和频谱的绘制

fs=10000; %采样频率N=10000; %采样点数t = (0:N-1)/fs; %间隔NFFT = 2^nextpow2(N);%转化为2的基数倍f0= fs/2*linspace(0,1,NFFT/2); %求出FFT转化频率g = 3*sin(6*t);f = g.*cos(60*t);g0 = f.*cos(60*t);%进行FFT变换g1 = fft(g,NFFT)/N; f1 = fft(f,NFFT)/N;g01 = fft(g0,NFFT)/N;subp

2020-06-21 21:51:43 7651

转载 数字图像处理之浮雕效果——基于傅里叶变换的频域操作

问题简述这是信号与系统课程的一个课后作业,要求运用傅里叶变换的理论知识,在matlab中对数字图像进行浮雕效果的处理。浮雕效果和图像边缘的检测差不多,学习过深...

2020-06-21 21:44:28 692

3D Object Detection for Autonomous Driving-A Comprehensive Survey.pdf

这篇综述为我们提供了一幅详尽的自动驾驶3D目标检测技术图谱。从基于不同传感器的方法流派,到各种新兴技术的探索,再到对未来趋势的深刻洞见,内容非常丰富和全面。既是技术百科全书(引用300+文献),也是领域路线图(明确技术断层与突破口)。

2025-07-01

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除