【论文阅读】【三维目标检测】Multi-Task Multi-Sensor Fusion for 3D Object Detection

最新推荐文章于 2024-08-09 11:49:12 发布
最新推荐文章于 2024-08-09 11:49:12 发布
阅读量6.1k 收藏 16
点赞数 7
CC 4.0 BY-SA版权
分类专栏： 论文阅读 文章标签： CNN 激光雷达 无人驾驶 车辆检测 3D Object Detection
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/wqwqqwqw1231/article/details/101169865
本文介绍了一种结合相机和激光雷达的3D目标检测方法，通过多任务网络处理点云和图像数据，包括地面估计、深度补全和3D目标检测。点云分支先将点云转换为BEV表示，图像分支处理RGB图像，通过点对点融合策略融合特征，再进行3D框估计。实验表明该方法在KITTI和TOR4D数据集上有效，尤其是在TOR4D上深度补全对车辆检测有显著提升。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

文章 Multi-Task Multi-Sensor Fusion for 3D Object Detection

2019CVPR

该文章使用了相机和激光雷达传感器融合方法检测3D Object，使用了一个网络解决多任务，并且多个子任务是为了3D Object Detection服务的。

网络

网络结构图如下，主要完成Ground Estimation，Depth Completion和3D Object Detection的问题。
在这里插入图片描述

点云分支

该分支的输入为栅格化后的点云，也就是一个 b a t c h × c h a n n e l × w × l × h batch \times channel \times w \times l \times h batch×channe

最低0.47元/天 解锁文章

200万优质内容无限畅学
【自动驾驶】《BEVFusion: Multi-Task Multi-Sensor Fusion with Unified Bird’s-Eye View Representation》论文阅读笔记
聿默的博客
09-18 2315
多传感器融合对于准确和可靠的自动驾驶系统至关重要。
【论文阅读】【三维目标检测】Camera-Lidar融合的3D目标检测网络
麒麒哈尔的博客
11-18 1597
Camera-LiDAR based 3D object detection
Multi-Task Multi-Sensor Fusion for 3D Object Detection总结
qq_43456497的博客
02-08 379
在本文中，我们建议利用多个相关任务来进行准确的多传感器 3D 对象检测。为实现这一目标，我们提出了一种端到端的可学习架构，该架构可以推理 2D 和 3D 对象检测以及地面估计和深度补全。我们的实验表明，所有这些任务都是互补的，并通过融合不同层次的信息帮助网络学习更好的表征。重要的是，我们的方法在 2D、3D 和鸟瞰图对象检测方面领先于 KITTI 基准，同时是实时的。
小白解读论文：Multi-Task Multi-Sensor Fusion for 3D Object Detection
Niuip的博客
03-17 4950
啦啦啦。好久没更新了。 暂先跳过引言和综述直接看方法。把方法看懂了才看这些。 Multi-Sensor指标定好的LiDAR-Camera系统。 Multi-Task指3d和2d目标识别（侧重于车辆，2D and 3D box regression），路面检测（ground estimation），以及深度补（depth completion）。文章实验以3D目标检测为主。 流程图如下所示：...
AI论文探讨室·A+·第3期-Multi-Task Multi-Sensor Fusion for 3D Object Detection
CSS360的博客
09-24 913
CVPR2019 《Multi-Task Multi-Sensor Fusion for 3D Object Detection》 论文链接 主要解决的问题：利用彩色图像和激光雷达点云数据，通过多个相关任务实现3D目标检测 展示完成的任务 通过使用两个传感器完成四个任务，并且展示在3D目标检测的效果 系统框架 本网络是一个二阶段检测，第一阶段是一个single-shot的检测器...
【3D目标检测】Multi-Task Multi-Sensor Fusion for 3D Object Detection阅读笔记（2019）
qq_42575422的博客
08-24 1153
1、为什么要做这个研究（理论走向和目前缺陷） ? 多传感器融合向来不是一个简单的事，融合方式设计的不好不但可能不会信息互补，还有可能各传感器的缺点都继承下来，效果更差。 2、他们怎么做这个研究 （方法，尤其是与之前不同之处） ? 做点云和图像的融合。点云利用的是BEV特征和图像特征借助3d点这个中间媒介进行关联，然后把关联上的图像像素点特征加到BEV特征上去，这是稀疏point-wise融合，在特征提取主干网络阶段实现。利用BEV特征预测的3D候选区分别投射到BEV特征图和图像特征图上，得到的BEV roi
三维目标检测论文阅读：Deep Continuous Fusion for Multi-Sensor 3D Object Detection
baobo8666的博客
03-30 394
题目：Deep Continuous Fusion for Multi-Sensor 3D Object Detection 来自：Uber: Ming Liang Note: 没有代码，主要看思想吧，毕竟是第一篇使用RGB feature maps 融合到BEV特征中； 从以下几个方面开始简述论文 Open Problems Contributions ...
【论文阅读】ICRA 2023|BEVFusion：Multi-Task Multi-Sensor Fusion with Unified Bird‘s-Eye View Representation
最新发布
非晚非晚的博客
08-09 2165
BEVFusion: Multi-Task Multi-Sensor Fusion with Unified Bird’s-Eye View Representation发表单位：MIT发表期刊：ICRA 2023多传感器融合对于准确和可靠的自动驾驶系统至关重要。最近的方法基于点级()融合方法：使用图像特征对激光点云进行增强。但是，相机到激光()投影的方法丢掉了图像的语义密度，特别对于3D场景分割任务。在本文中，我们使用BEVFusion。
【亲测免费】 项目概述：Multi_Sensor_Fusion - 多传感器融合框架
gitblog_00040的博客
04-12 645
项目概述：Multi_Sensor_Fusion - 多传感器融合框架 在现代物联网和智能设备领域中，数据融合是提升系统效能和准确性的重要手段。 是一个专为多传感器数据融合而设计的开源项目，由开发者 Fang Wentao 创建。该项目的目标是提供一个灵活、高效且易于集成的框架，帮助工程师们处理来自多个不同传感器的数据，并将它们融合成更准确的环境感知结果。 技术分析 **1. ** 基于卡尔曼滤波...
多传感器融合Multi-Sensor Fusion
10-08
组合导航和VIO相关内容.使用了submodules形式挂载了tools,因此clone完本程序需要更新tools 希望和有兴趣的小伙伴一起交流，
Multi-Sensor-Fusion-master_传感器融合和轨迹关联_
09-29
多传感器融合介绍：仅仅为多传感信息融合的课程作业多传感器信息融合的课程见仁见智，慎用代码很可能不是您需要的代码内容：1.基于线性状态转移方程的集中式和分布式融合。线性状态转移方程下的集中式和分布式多传感信息融合include: - Kalman Fliter 卡尔曼滤波<br>- SCC-Simple Convex Combination 简单凸组合融合算法<br>- GaussNoise 高斯噪声<br>- Loss Ellipse 误差椭圆<br>- Sequential fusion 集中式序贯融合<br>2.航迹关联PDA：参数：Pg = Pd = 1通过这样的设定简化模型后进行运算预报还是基于KF方法，但是在更新和航迹关联的时候采用概率和全概公式进
Multi-Sensor Fusion (GNSS, IMU, Camera) 多源多传感器融合定位 GPS/INS组合导航 PPP/INS紧组合-C/C++开发
05-26
Multi-Sensor Fusion (GNSS, IMU, Camera) 多源多传感器融合定位 GPS/INS组合导航 PPP/INS紧组合 Multi-Sensor Fusion 版本号：release/3.0.0 初衷 学习组合导航和VIO相关内容. 希望和有兴趣的小伙伴一起交流 程序依赖 glog Eigen OpenCV 3.4 Ceres 使用说明 最新稳定测试版本对应为release/3.0.0分支 Multi-Sensor Fusion使用了submodules形式挂载了tools,因此clone完本程序需要更新tools git checkout -b release/3.0.0 origin/release/3.0.0 git submodule init git submodule update 已经安装完依赖库后,可以直接编译程序 mkdir build && cd build cmake .. && make -j3 程序运行方式 ./mscnav_bin ${configure_file} ${log_
多传感器融合研究（一）
qq_42018838的博客
05-31 1495
多传感器融合研究（一）论文研究一：稀疏时频 论文研究一：稀疏时频 《Sparse Time-Frequency-Frequency-RateRepresentation for Multicomponent Nonstationary Signal Analysis 》（多分量非平稳信号分析的稀疏时间-频率-频率比率表示） 摘要：    本文主要介绍了目前虽然有许多的高分辨率的时频表示方法已经被开发出来，但在时频图中，提取多分量间信号仍然相当困难，尤其是对于多分量间出现部分混叠的情况。    本文提出了
Multi-Sensor Fusion: Vehicle Localization based on Particle Filter
CG-SpatialAI
04-09 505
Overview 欢迎访问 https://spatial-ai.net/sensorfusion-kidnapped-vehicle-pf.html，持续更新。 code: cggos/carnd_p3_kidnapped_vehicle 粒子滤波(Particle Filter) 没有线性高斯分布的假设；相对于直方图滤波，粒子滤波(Particle Filter)不需要对状态空间进行区间划分。粒子滤波算法采用很多粒子对置信度进行近似,每个粒子都是对t时刻机器人实际状态的一个猜测。 越接近t时刻的Gr
多传感器融合相关技术
IT菜鸟
08-13 821
多传感器融合相关技术
多模态3D目标检测发展路线方法汇总！(决策级/特征级/点/体素融合)
CV_Autobot的博客
11-28 1244
什么是多模态3D目标检测？ 多模态3D目标检测是当前3D目标检测研究热点之一，主要是指利用跨模态数据提升模型的检测精度。一般而言，多模态数据包含：图像数据、激光雷达数据、毫米波雷达数据、双目深度数据等，本文主要关注于当前研究较多的RGB+LiDAR融合3D目标检测模型进行汇总和总结，希望可以给大家带来一定的启发。
记录学习LARVIO与Multi_Sensor_Fusion的过程（基于滤波方案）
weixin_45476865的博客
02-20 395
LARVIO
【论文阅读】【综述】3D Object Detection 3D目标检测综述
热门推荐
麒麒哈尔的博客
06-04 4万+
aaa3D Detection新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 3D Detection 你好！...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值