基于激光雷达点云的3D目标检测算法论文总结
作者丨eyesighting@知乎
来源丨https://zhuanlan.zhihu.com/p/508859024
编辑丨3D视觉工坊
前言
过去很多年激光雷达的车规标准和高昂价格是阻碍其量产落地的主要因素,最近两三年随着速腾、禾赛、大疆、图达通、Luminar等厂家混合固态激光雷达的量产,新势力车企、互联网车企陆续发布与交付了基于激光雷达的车型,比如:小鹏P5、蔚来ET7/ET5、集度概念车、威马M7、智己L7、高合HiPhiZ、沙龙机甲龙、极狐HBT,混合固态激光雷达即将进入批量量产的前夜。后续随着各大厂商智能电动车型的大规模量产与交付,混合固态激光雷达可能将会是主流车型的标配。
LiDAR感知、定位、建图、预测算法功能的开发将在车企/供应商ADAS团队中占比越来越多,不再仅仅是一个辅助/真值系统的存在。最近疫情在家,对过去几年学习、积累的LiDAR目标检测算法(不包含传统算法、车道线、FreeSpace检测)论文做了总结,共计有54篇论文及代码,有些是基础网络算法,有些经典的、最新的算法也可作为工程落地的参考方案。
基于激光雷达点云的3D目标检测算法有很多种方法:传统聚类方法,点云、体素化、柱状化,RangeView、BirdEyeView,多帧、多视图,OneStage、TwoStage,AnchorBased、AnchroFree、关键点、中心点、Voting、与分割结合、结合反射强度与线束角、转为深度图,知识蒸馏、Transformer、Atteintion、半监督,2DCNN、3D稀疏卷积、图卷积,与Camera图像数据数据融合、特征融合。
从现阶段角度,激光雷达本身还有很多工程问题(布置、噪声、标定、同步、畸变、补偿、安全)需要尝试和解决,还有一个难点是网络模型在嵌入式平台的部署与优化。但是对于目标检测算法本身,还是先基于CNN、BEV、AnchorBased/中心点为基础算法完成工程落地,后续逐渐升级到以Transformer/Fusion框架的大感知框架。先以LiDAR/Camera后融合为主,可能的话,逐渐走向前融合的方案。
算法论文
3DSSD
题目:3DSSD: Point-based 3D Single Stage Object Detector
名称:3DSSD:基于点的 3D 单级物体检测器
论文:https://arxiv.org/abs/2002.10187
代码:https://github.com/tomztyang/3DSSD
AFDet
题目:AFDet: Anchor Free One Stage 3D Object Detection
名称:AFDet:无锚的一级 3D 对象检测
论文:https://arxiv.org/abs/2006.12671
Associate-3DDet
题目:Associate-3Ddet: Perceptual-to-Conceptual Association for 3D Point Cloud Object Detection
名称:Associate-3Ddet:3D 点云对象检测的感知到概念关联
论文:https://arxiv.org/abs/2006.04356
BackReality
题目:Back to Reality: Weakly-supervised 3D Object Detection with Shape-guided Label Enhancement
名称:回到现实:带有形状引导标签增强的弱监督 3D 对象检测
论文:https://arxiv.org/abs/2203.05238
代码:https://github.com/wyf-ACCEPT/BackToReality
BEVDetNet
题目:BEVDetNet: Bird's Eye View LiDAR Point Cloud based Real-time 3D Object Detection for Autonomous Driving
名称:BEVDetNet:基于鸟瞰 LiDAR 点云的自动驾驶实时 3D 对象检测
论文:https://arxiv.org/abs/2104.10780
BirdNet
题目:BirdNet: a 3D Object Detection Framework from LiDAR information
名称:BirdNet:来自 LiDAR 信息的 3D 对象检测框架
论文:https://arxiv.org/abs/1805.01195
BirdNet+
题目:BirdNet+: End-to-End 3D Object Detection in LiDAR Bird's Eye View
名称:BirdNet+:LiDAR 鸟瞰图中的端到端 3D 对象检测
论文:https://arxiv.org/abs/2003.04188
CanonicalVoting
题目:Canonical Voting: Towards Robust Oriented Bounding Box Detection in 3D Scenes
名称:规范投票:在 3D 场景中实现稳健的定向边界框检测
论文:https://arxiv.org/abs/2011.12001
代码:https://github.com/qq456cvb/CanonicalVoting
CenterNet3D
题目:CenterNet3D: An Anchor Free Object Detector for Point Cloud
名称:用于自动驾驶的无锚物体检测器
论文:https://arxiv.org/abs/2007.07214
代码:https://github.com/wangguojun2018/CenterNet3d
CenterPoint
题目:Center-based 3D Object Detection and Tracking
名称:基于中心的3D目标检测和跟踪
论文:https://arxiv.org/abs/2006.11275
代码:https://github.com/tianweiy/CenterPoint
CG-SSD
题目:CG-SSD: Corner Guided Single Stage 3D Object Detection from LiDAR Point Cloud
名称:CG-SSD:来自 LiDAR 点云的角引导单级 3D 对象检测
论文:https://arxiv.org/abs/2202.11868
CIA-SSD
题目:CIA-SSD: Confident IoU-Aware Single-Stage Object Detector From Point Cloud
名称:CIA-SSD:来自点云的自信的 IoU 感知单级目标检测器
论文:https://arxiv.org/abs/2012.03015
代码:https://github.com/Vegeta2020/CIA-SSD
ClassBalanced-GS
题目:Class-balanced Grouping and Sampling for Point Cloud 3D Object Detection
名称:用于点云 3D 对象检测的类平衡分组和采样
论文:https://arxiv.org/abs/1908.09492
Complex-YOLO
题目:Complex-YOLO: Real-time 3D Object Detection on Point Clouds
名称:Complex-YOLO:点云上的实时 3D 对象检测
论文:https://arxiv.org/abs/1803.06199
代码:https://github.com/AI-liu/Complex-YOLO
CT3D
题目:Improving 3D Object Detection with Channel-wise Transformer
名称:使用 Channel-wise Transformer 改进 3D 对象检测
论文:https://arxiv.org/abs/2108.10723
Deformable-PV-RCNN
题目:Deformable PV-RCNN: Improving 3D Object Detection with Learned Deformations
名称:可变形 PV-RCNN:通过学习变形改进 3D 对象检测
论文:https://arxiv.org/abs/2008.08766
E2E-PL
题目:End-to-End Pseudo-LiDAR for Image-Based 3D Object Detection
名称:用于基于图像的 3D 对象检测的端到端伪激光雷达
论文:https://arxiv.org/abs/2004.03080
代码:https://github.com/mileyan/pseudo-LiDAR_e2e
Fast-Point-RCNN
题目:Fast Point R-CNN
名称:快速点 R-CNN
论文:https://arxiv.org/abs/1908.02990
FVNet
题目:FVNet: 3D Front-View Proposal Generation for Real-Time Object Detection from Point Clouds
名称:FVNet:用于从点云进行实时对象检测的 3D 前视图建议生成
论文:https://arxiv.org/abs/1903.10750
Hollow3D-RCNN
题目:From Multi-View to Hollow-3D: Hallucinated Hollow-3D R-CNN for 3D Object Detection
名称:从多视图到 Hollow-3D:用于 3D 对象检测的幻觉 Hollow-3D R-CNN
论文:https://arxiv.org/abs/2107.14391
HotSpotNet
题目:Object as Hotspots: An Anchor-Free 3D Object Detection Approach via Firing of Hotspots
名称:对象即热点:通过触发热点的无锚 3D 对象检测方法
论文:https://arxiv.org/abs/1912.12791
HVPR
题目:HVPR: Hybrid Voxel-Point Representation for Single-stage 3D Object Detection
名称:HVPR:用于单级 3D 对象检测的混合体素点表示
论文:https://arxiv.org/abs/2104.00902
IS-SSD
题目:Not All Points Are Equal: Learning Highly Efficient Point-based Detectors for 3D LiDAR Point Clouds
名称:并非所有点都是平等的:学习用于 3D LiDAR 点云的高效基于点的检测器
论文:https://arxiv.org/abs/2203.11139
代码:https://github.com/yifanzhang713/IA-SSD
LaserNet
题目:LaserNet: An Efficient Probabilistic 3D Object Detector for Autonomous Driving
名称:LaserNet:用于自动驾驶的高效概率 3D 对象检测器
论文:https://arxiv.org/abs/1903.08701
Lidar-RCNN
名称:LiDAR R-CNN:一种高效且通用的 3D 物体检测器
论文:https://arxiv.org/abs/2103.15297
代码:https://github.com/tusimple/LiDAR_RCNN
MLCVNet
题目:MLCVNet: Multi-Level Context VoteNet for 3D Object Detection
名称:MLCVNet:用于三维目标检测的多级上下文VoteNet
论文:https://openaccess.thecvf.com/content_CVPR_2020/papers/Xie_MLCVNet_Multi-Level_Context_VoteNet_for_3D_Object_Detection_CVPR_2020_paper.pdf
代码:https://github.com/NUAAXQ/MLCVNet
MVF
题目:End-to-End Multi-View Fusion for 3D Object Detection in LiDAR Point Clouds
名称:用于 LiDAR 点云中 3D 对象检测的端到端多视图融合
论文:https://arxiv.org/abs/1910.06528
PartA2Net
题目:From Points to Parts: 3D Object Detection from Point Cloud with Part-aware and Part-aggregation Network
名称:从点到部分:使用部分感知和部分聚合网络从点云进行 3D 对象检测
论文:https://arxiv.org/abs/1907.03670
代码:https://github.com/sshaoshuai/PointCloudDet3D
PIXOR
题目:PIXOR: Real-time 3D Object Detection from Point Clouds
名称:PIXOR:点云的实时 3D 对象检测
论文:https://arxiv.org/abs/1902.06326
Pointformer
题目:3D Object Detection with Pointformer
名称:3D Object Detection with Pointformer
论文:https://arxiv.org/abs/2012.11409
代码:https://github.com/Vladimir2506/Pointformer
Point-GNN
题目:Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud
名称:Point-GNN:用于点云中 3D 对象检测的图神经网络
论文:https://arxiv.org/abs/2003.01251
代码:https://github.com/WeijingShi/Point-GNN
PointPillars
题目:PointPillars: Fast Encoders for Object Detection from Point Clouds
名称:PointPillars:点云目标检测的快速编码器
论文:https://arxiv.org/abs/1812.05784
论文:https://openaccess.thecvf.com/content_CVPR_2019/papers/Lang_PointPillars_Fast_Encoders_for_Object_Detection_From_Point_Clouds_CVPR_2019_paper.pdf
代码:https://github.com/nutonomy/second.pytorch
PointRCNN
题目:PointRCNN: 3D Object Proposal Generation and Detection from Point Cloud
名称:PointRCNN:来自点云的 3D 对象建议生成和检测
论文:https://arxiv.org/abs/1812.04244
代码:https://github.com/sshaoshuai/PointRCNN
Pseudo-LiDAR
题目:Pseudo-LiDAR from Visual Depth Estimation: Bridging the Gap in 3D Object Detection for Autonomous Driving
名称:来自视觉深度估计的伪激光雷达:弥合自动驾驶 3D 对象检测的差距
论文:https://arxiv.org/abs/1812.07179
代码:https://github.com/mileyan/pseudo_lidar
PU-Net
题目:PU-Net: Point Cloud Upsampling Network
名称:PU-Net:点云上采样网络
论文:https://openaccess.thecvf.com/content_cvpr_2018/papers/Yu_PU-Net_Point_Cloud_CVPR_2018_paper.pdf
代码:https://github.com/yulequan/PU-Net
Point-Voxel
题目:Point-Voxel CNN for Efficient 3D Deep Learning
名称:用于高效 3D 深度学习的点体素 CNN
论文:https://arxiv.org/abs/1907.03739
主页:https://pvcnn.mit.edu/
项目:https://developer.nvidia.com/blog/point-voxel-cnn-3d/
PV-RCNN
题目:PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection
名称:PV-RCNN:用于 3D 对象检测的点体素特征集抽象
论文:https://arxiv.org/abs/1912.13192
代码:https://github.com/open-mmlab/OpenPCDet
PV-RCNN++
题目:PV-RCNN++: Point-Voxel Feature Set Abstraction With Local Vector Representation for 3D Object Detection
名称:PV-RCNN++:用于 3D 对象检测的具有局部向量表示的点体素特征集抽象
论文:https://arxiv.org/abs/2102.00463
代码:https://github.com/open-mmlab/OpenPCDet
RangeDet
题目:RangeDet:In Defense of Range View for LiDAR-based 3D Object Detection
名称:RangeDet:为基于 LiDAR 的 3D 对象检测保护范围视图
论文:https://arxiv.org/abs/2103.10039
SA-Det3D
题目:SA-Det3D: Self-Attention Based Context-Aware 3D Object Detection
名称:SA-Det3D:基于自注意力的上下文感知 3D 对象检测
论文:https://arxiv.org/abs/2101.02672
代码:https://github.com/AutoVision-cloud/SA-Det3D
SASA
题目:SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object Detection
名称:SASA:基于点的 3D 对象检测的语义增强集抽象
论文:https://arxiv.org/pdf/2201.01976.pdf
代码:https://github.com/blakechen97/SASA
SA-SSD
题目:Structure Aware Single-stage 3D Object Detection from Point Cloud
名称:基于点云的结构感知单级三维目标检测
论文:https://www4.comp.polyu.edu.hk/~cslzhang/paper/SA-SSD.pdf
代码:https://github.com/skyhehe123/SA-SSD
SECOND
题目:SECOND: Sparsely Embedded Convolutional Detection
名称:第二:稀疏嵌入卷积检测
论文:https://www.mdpi.com/1424-8220/18/10/3337
SE-SSD
题目:SE-SSD: Self-Ensembling Single-Stage Object Detector From Point Cloud
名称:SE-SSD:来自点云的自集成单级目标检测器
论文:https://arxiv.org/abs/2104.09804
代码:https://github.com/Vegeta2020/SE-SSD
SIENet
题目:SIENet: Spatial Information Enhancement Network for 3D Object Detection from Point Cloud
名称:SIENet:用于从点云进行 3D 对象检测的空间信息增强网络
论文:https://arxiv.org/abs/2103.15396
SS3D
题目:SS3D: Single Shot 3D Object Detector
名称:SS3D:单次 3D 物体检测器
论文:https://arxiv.org/abs/2004.14674
相关课程:国内首个3D缺陷检测教程:理论、源码与实战
SST
题目:Embracing Single Stride 3D Object Detector with Sparse Transformer
名称:使用 Sparse Transformer 拥抱单步 3D 对象检测器
论文:https://arxiv.org/abs/2112.06375
代码:https://github.com/TuSimple/SST
STD
题目:STD: Sparse-to-Dense 3D Object Detector for Point Cloud
名称:STD:点云的稀疏到密集 3D 对象检测器
论文:https://arxiv.org/abs/1907.10471
TANet
题目:TANet: Robust 3D Object Detection from Point Clouds with Triple Attention
名称:TANet:来自具有三重注意力的点云的稳健 3D 对象检测
论文:https://arxiv.org/abs/1912.05163
VoteNet
题目:Deep Hough Voting for 3D Object Detection in Point Clouds
名称:用于点云中 3D 对象检测的深度霍夫投票
论文:https://arxiv.org/abs/1904.09664
代码:https://github.com/facebookresearch/votenet
VOTR
题目:Voxel Transformer for 3D Object Detection
名称:用于 3D 对象检测的体素转换器
论文:https://arxiv.org/abs/2109.02497
代码:https://github.com/PointsCoder/VOTR
Voxel-FPN
题目:Voxel-FPN: multi-scale voxel feature aggregation in 3D object detection from point clouds
名称:Voxel-FPN:点云 3D 对象检测中的多尺度体素特征聚合
论文:https://arxiv.org/abs/1907.05286
VoxelNet
题目:VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection
名称:VoxelNet:基于点云的 3D 对象检测的端到端学习
论文:https://arxiv.org/abs/1711.06396
代码:https://github.com/qianguih/voxelnet
Voxel-RCNN
题目:Voxel R-CNN: Towards High Performance Voxel-based 3D Object Detection
名称:Voxel R-CNN:迈向高性能基于体素的 3D 对象检测
论文:https://arxiv.org/abs/2012.15712
本文仅做学术分享,如有侵权,请联系删文。
干货下载与学习
后台回复:巴塞罗那自治大学课件,即可下载国外大学沉淀数年3D Vison精品课件
后台回复:计算机视觉书籍,即可下载3D视觉领域经典书籍pdf
后台回复:3D视觉课程,即可学习3D视觉领域精品课程
计算机视觉工坊精品课程官网:3dcver.com
1.面向自动驾驶领域的多传感器数据融合技术
2.面向自动驾驶领域的3D点云目标检测全栈学习路线!(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建:原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM:基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)
9.从零搭建一套结构光3D重建系统[理论+源码+实践]
10.单目深度估计方法:算法梳理与代码实现
11.自动驾驶中的深度学习模型部署实战
12.相机模型与标定(单目+双目+鱼眼)
13.重磅!四旋翼飞行器:算法与实战
14.ROS2从入门到精通:理论与实战
15.国内首个3D缺陷检测教程:理论、源码与实战
重磅!计算机视觉工坊-学习交流群已成立
扫码添加小助手微信,可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群,旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。
同时也可申请加入我们的细分方向交流群,目前主要有ORB-SLAM系列源码学习、3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、深度估计、学术交流、求职交流等微信群,请扫描下面微信号加群,备注:”研究方向+学校/公司+昵称“,例如:”3D视觉 + 上海交大 + 静静“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。
▲长按加微信群或投稿
▲长按关注公众号
3D视觉从入门到精通知识星球:针对3D视觉领域的视频课程(三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等)、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕,更有各类大厂的算法工程人员进行技术指导。与此同时,星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息,打造成集技术与就业为一体的铁杆粉丝聚集区,近4000星球成员为创造更好的AI世界共同进步,知识星球入口:
学习3D视觉核心技术,扫描查看介绍,3天内无条件退款
圈里有高质量教程资料、答疑解惑、助你高效解决问题
觉得有用,麻烦给个赞和在看~
基于激光雷达点云的3D目标检测算法论文总结相关推荐
- 基于激光雷达点云的3D目标检测算法—端到端多视图融合
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨Rubicon007@知乎 来源丨https://zhuanlan.zhihu.com/p/44 ...
- 目标检测YOLO实战应用案例100讲-基于激光雷达点云的三维目标检测算法研究
目录 基于激光雷达点云的三维目标检测算法研究 基于投影图的方法 基于点云的多模态融合方法
- 动手学无人驾驶(4):基于激光雷达点云数据3D目标检测
上一篇文章<动手学无人驾驶(3):基于激光雷达3D多目标追踪>介绍了3D多目标追踪,多目标追踪里使用的传感器数据为激光雷达Lidar检测到的数据,本文就介绍如何基于激光雷达点云数据进行3D ...
- 近期激光雷达点云的3D目标检测方法
作者丨黄浴@知乎 来源丨https://zhuanlan.zhihu.com/p/370650927 编辑丨3D视觉工坊 看到的一些近期激光雷达做目标检测的论文. 1 Offboard 3D Obje ...
- Lidar-RCNN:基于稀疏点云的3D目标检测网络(CVPR2021)
作者丨柒柒@知乎 来源丨https://zhuanlan.zhihu.com/p/390322842 编辑丨3D视觉工坊 论文标题:LiDAR R-CNN: An Efficient and Univ ...
- 双目立体视觉建立深度图_从单幅图像到双目立体视觉的3D目标检测算法
原创声明:本文为 SIGAI 原创文章,仅供个人学习使用,未经允许,不能用于商业目的. 其它机器学习.深度学习算法的全面系统讲解可以阅读<机器学习-原理.算法与应用>,清华大学出版社,雷明 ...
- 基于激光雷达点云的3D检测方法汇总(LiDAR only)
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨柒柒@知乎 来源丨https://zhuanlan.zhihu.com/p/436452723 ...
- 一文尽览 | 基于点云、多模态的3D目标检测算法综述!(Point/Voxel/Point-Voxel)
点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷干货,即可获取 点击进入→自动驾驶之心技术交流群 后台回复[ECCV2022]获取ECCV2022所有自动驾驶方向论文! 目前 ...
- 值得收藏!基于激光雷达数据的深度学习目标检测方法大合集(下)
作者 | 黄浴 来源 | 转载自知乎专栏自动驾驶的挑战和发展 [导读]在近日发布的<值得收藏!基于激光雷达数据的深度学习目标检测方法大合集(上)>一文中,作者介绍了一部分各大公司和机构基于 ...
最新文章
- HTML5 script 标签的 crossorigin 和integrity属性的作用
- heartbeat自带的断网切换功能-ipfail
- 问题:c语言简单的循环和字符串,错在哪里了?结果怎么是0(已解决)
- Python学习第十六篇——异常处理
- SQL利用Case When Then多条件判断
- 帝国CMS模板|中国历史网整站数据MIP源码下载、带Tags提取插件
- Adobe Edge Animate --点击元件内部元素使元件其他元素发生改变
- 大二物竞金牌转北大计算机,物理竞赛保送去北大还是清华?
- React中useEffect使用
- 一文读懂大比例尺地形图测绘
- mysql将公历农历转换_SQL 日期转换(阳历转阴历)
- 怎样卸载计算机更新程序,windows10升级程序卸载怎么操作_windows10升级程序怎样卸载删除-win7之家...
- 学生动漫网页设计模板下载 火影忍者(7页)大学生HTML网页制作作品 简单漫画网页设计成品 dreamweaver学生网站模板...
- 【18/M/python】4Sum
- 某灵JAVA互联网架构师专题/分布式/高并发/微服务
- 使用JavaScript 中的Math对象和勾股定理公式,计算鼠标的位置与页面图片中心点的距离,根据距离对页面上的图片进行放大或缩小处理。距离远时图片放大,距离近时图片缩小
- Far manager基本操作指南
- QIL:《Learning to Quantize Deep Networks by Optimizing Quantization Intervals with Task Loss》论文学习
- MCP2517FD应用总结
- QT基础入门【Demo篇】QT定时器的使用方法
热门文章
- 计算机网络构建医院局域网,计算机网络课程设计-构建医院局域网.doc
- 求图纸形心的数据预处理与形心计算代码:输入多个矩形的坐标和长度宽度,计算它们的形心坐标
- 小如雪花的微尘计算机阅读答案,《有趣的“三”》阅读答案
- 【干货分享】一张图看懂收录与索引的区别
- Docker中部署jenkins环境时,无法安装插件解决办法
- 贾跃亭对乐视员工的公开信
- vue下载、引入vis
- 全新的移动互联网,互联网营销
- 春招95后很狂阿里P7晒出工资单:狠补了两眼泪汪汪,真香...
- 2023年网络工程师必备10大软件,最新安装包分享