本文为德国慕尼黑工业大学(作者：Anas Al-Nuaimi)的博士论文，共156页。由于众多技术的进步，3D传感变得越来越精确和廉价。目前已有的不同类型的三维传感技术，包括激光雷达(LiDAR)、飞行时间(Time-of-Flight)和多视点立体(Multi-View Stereo)。尽管3D传感器仍然相对昂贵，并且需要专业知识才能操作，但正是微软Kinect的发布使得精确和廉价的3D传感成为
这边具体值得读一读的文章有：PointNet，DGCNN，View-GCN, PointCNN, PointWeb, RS-CNN ...重要点摘抄：摘要：
深度学习作为AI中的主要技术，已成功用于解决各种2D视觉问题。但是，由于使用深度神经网络处理点云所面临的独特挑战，因此点云上的深度学习仍处于起步阶段。
它涵盖了三个主要任务，包括3D形状分类，3D对象检测和跟踪以及3D点云分割1.介绍3D数
转载
2024-05-23 09:24:09
217阅读
目录摘要1、引言：2、背景2.1 数据集2.2评价指标3、3D点云分割3.1 3D语义分割3.1.1 基于投影的方法多视图表示球形表示3.1.2 基于离散的方法稠密离散表示稀疏的离散表示3.1.3 混合方法3.1.4 基于点的方法逐点MLP方法点卷积方法基于RNN方法基于图方法3.2 实例分割3.2.1 基于候选框的方法3.2.2 不需要候选框的方法3.3 部件分割3.4 总结4、 结论3D点云深
转载
2024-05-11 21:51:01
407阅读
Pseudo-LiDAR 简介来自康奈尔大学的"Pseudo-LiDAR from Visual Depth Estimation: Bridging the Gap in 3D Object Detection for Autonomous Driving". 主要探讨了为什么Image-based 3D Perception与LiDAR-based 3D Perception之间存在
转载
2024-03-18 21:20:22
233阅读
近日，据可靠消息，我国监管部门将为无人驾驶车辆发放绿牌。中国或有望成为继德国之后全球第二个为L3级乘用车量产放行的国家，这表明了自动驾驶时代或将到来。四种常见的3D点云标注方式1、3D点云目标检测3D点云目标检测是需要有标准的目标点云或者标准的点云特征来描述向量；在实时采集的点云数据中寻找与目标点云相似度最高的点云块。3D点云目标检测用来获取物体在三维空间中的位置和类别信息，主要基于点云、双目、单
转载
2024-01-18 05:54:26
376阅读
文章导读本文来源于早期的一篇基于投影法的三维目标检测文章《An Euler-Region-Proposal for Real-time 3D Object Detection on Point Clouds》，网络结构简单清晰，由于将点云投影到图像空间借助了二维目标检测方法，所以在后期优化上可以参照二维目标检测的各种Tricks。1检测背景三维目标检测网络从输入数据的形式上可以三类：三维点云：Po
转载
2024-04-26 11:17:53
132阅读
总览由于传不了pdf，本人就直接传图片吧一、Multi-view Methods 梳理：这一部分的内容主要是在不同view的一个fusion，从早期的三个channel到目前的两个channel，可见BEV&Image FV较为重要 。其次 我们一直采用点云的 BEV来进行fusion，那么有没有一种可能，Image 也具有一定的BEV信息？结论：个人认为是有的，无论是之前的传统摄像头采用
点云 3D 目标检测 - VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection - 基于点云的3D目标检测的端到端学习（CVPR 2018）摘要1. 引言1.1 相关工作1.2 贡献2. VoxelNet2.1 VoxelNet架构2.1.1 特征学习网络2.1.2 卷积中层2.1.3 区域提案网络2.2 损
转载
2023-10-08 13:56:56
742阅读
点云 3D 目标检测 - SECOND: Sparsely Embedded Convolutional Detection - 稀疏嵌入卷积检测（Sensors 2018）摘要1. 引言2. 相关工作2.1 基于前视图和图像的方法2.2 基于鸟瞰图的方法2.3 基于3D的方法2.4 基于融合的方法3. SECOND检测器3.1 网络架构3.1.1 点云分组3.1.2 Voxelwise特征提取
转载
2024-02-19 20:49:40
1763阅读
YOLO3D:端到端3D点云输入的实时检测前言算法分析模型输入网络结构回归损失3D box 回归偏航角回归边界框损失函数数据集处理训练结果 前言YOLO3D将YOLO应用于3D点云的目标检测，与Complex-YOLO（Complex-YOLO的解读从这进入）类似，不同的是将yolo v2的损失函数扩展到包括偏航角、笛卡尔坐标下的三维box以及直接回归box的高度。论文： https://arx
转载
2024-07-02 10:55:52
341阅读
简介主要从技术变更历史、发展路线、数据集、数据融合的方式、当前知名的实验室以及大牛，其中的侧重点等方面介绍。当作是文献阅读的一种记录。有不足之处还请指出。 目前主流的分类方法是根据输入数据是否经过处理来作为判断依据的。其中主要有两大类：point-based和voxel-based两大类。前者保留了点云的全部信息，预测准确度相对较高，但是计算量较大，后者损失了部分点云位置信息，准确度相对较低，计算
转载
2024-05-12 19:44:05
106阅读
PCL/OpenNI tutorial 4: 3D object recognition (descriptors) - robotica.unileon.es3D对象识别是点云处理最主要的应用之一，类似于2D识别，找到点云的关键点或特征点，与之前保存好的点云进行匹配。但3D相对于2D会有优势，譬如，我们能相当精确的估计出物体相对于传感器的准确位置和方向；3D对象识别往往
一、3D点云应用领域分析3D点云领域都关注了哪些方向？课程核心系列-PointNet系列：点云数据如何处理、点云数据如何进行特征提取。后续无论是分类、分割、补全、配准检测，首先都要先对点云数据进行特征提取。
PointNet系列就是重点系列。算法原理、论文思想、源码实现基础算法、论文核心思想。点云数据的特点： ① 由点组成，近密远疏 &
转载
2024-05-21 09:27:07
322阅读
目前3D目标检测领域方案主要包括基于单目、双目、激光雷达点云、多模态数据融合等方式，本文主要介绍基于激光雷达雷达点云、多模态数据的相关算法，下面展开讨论下~3D检测任务介绍3D检测任务一般通过图像、点云等输入数据，预测目标相比于相机或lidar坐标系的[x，y，z]、[h，w，l]，[θ，φ，ψ]（中心坐标，box长宽高信息，相对于xyz轴的旋转角度）。 3D检测相关数据集下面汇总了领域常用的3
转载
2024-08-24 11:38:06
363阅读
前言和二维图像目标检测一样，3D点云目标检测除了按照输入模态划分为基于点云、基于单目、基于双目或者是多模态融合的方法。也可以按照对proposal的提出和优化分为one-stage、two-stage甚至three-stage的方法。当然也可以再根据是否设置anchor分为anchor-based和anchor-free的工作。下图表示了目前的一些近两年的文章，包括了室内和室外的点云目标检测算法。
原创
2022-10-05 19:16:30
436阅读
使用卷积神经网络（CNN）架构的深度学习（DL）现在是解决图像分类任务的标准解决方法。但是将此用于处理3D数据时，问题变得更加复杂。首先，可以使用各种结构来表示3D数据，所述结构包括： 1 体素网格 2 点云 3 多视图 4 深度图对于多视图和深度图的情况，该问题被转换为在多个图像上使用2D CNN
作者Yulan Guo, Hanyun Wang, Qingyong Hu, Hao Liu, Li Liu, and Mohammed Bennamoun原文参考链接：https://arxiv.org/abs/1912.12033导读 3D点云学习（ Point Clouds）作为近年来的研究热点之一，受到了广泛关注，每年在各大会议上都有大量的相关文章发表。当前，点云上的深度
原创
2022-11-09 13:17:46
1309阅读
目录基本数据结构任务粒度的区分：（2D为例）挑战常用方法和思路基于体素的点云深度学习：基于多视点云深度学习基础网络： point net网络亮点： max pooling & transform网络结构共享权重mlp的一种常用实现：1*1卷积其他细节点云深度学习基础网络：pointnet++用Set Abstraction分层提取特征用Set Abstraction提到的特征进行分类用S
转载
2024-05-24 19:48:35
160阅读
3D点云点云分割、目标检测、分类 原标题Deep Learning for 3D Point Clouds: A Survey 作者Yulan Guo, Hanyun Wang, Qingyong Hu, Hao Liu, Li Liu, and Mohammed Bennamoun 原文参考链接：
转载
2020-06-03 07:00:00
657阅读
2评论
划分成体素格子后，由于点云密度不一致，有些格子里面点云可能比较多，对超出给定数量T的格子，需要进行随机采样，保证每个
原创
2024-08-19 14:32:20
3阅读
