激光雷达物体检测（二）：点视图检测算法
综述：
1.点视图：
- PointNet/PointNet++，Point-RCNN，3D SSD
2.俯视图：
- VoxelNet，SECOND，PIXOR，AFDet
3.前视图:
- LaserNet，RangeDet
4.多视图融合：
- 俯视图+点视图：PointPillar，SIENet，PV-CNN
- 俯视图+前视图：MV3D，RSN
一、PointNet
1.核心思路：点云特征提取
MLP（多个全连接层）提取点特征:n个点，特征由3维提升到1024维
MaxPooling得到全局体征：1024维
2、端对端学习，对点云进行分类/意义分割
3、物体检测：Clutering（聚类）得到候选+PointNet分类
输入的数据，先对点云做一个变换，把坐标系统一，点云在一个坐标系之下，然后对点进行单点特征提取，这里使用的是全连接层，两个阶段的全连接层，使特征从3维提升到1024维。随后进行全局的特征提取，利用MaxPooling，最后对其进行点云分类（SVM）或者点云分割
二、PointNet++
1.在物体检测方向上进行扩展：Clustering+PointNet
- 用聚类的方式来产生多个候选点，每个候选点集采用PointNet来提取点的特征
- 上述过程重复多次：上一层的点集经过全集特征提取后看作下一层的点（Set Abstraction，SA）
- 点特征具有较大的感受野，包含周围环境的上下文信息
三、PointNet和PointNet++中存在的问题
- 无法利用视觉领域成熟的检测框架，比如Faster-RCNN，YOLO等
- Clustering部分的计算复杂度较高，而且难以并行处理
四、Point-RCNN
1.点处理+Faster RCNN
- PointNet++提取点的特征，同时进行前景分割， 以区分物体点和背景点
- 每个前景点生成一个3D候选框（PointNet++采用聚类生成候选框）
- 对每个候选框内的点进行Pooling，最后输出候选框所属的类别，并修正其位置和大小
2.运行速度瓶颈
- PointNet++需要将点集特征映射回原始点云（Feature Propation），因为聚类生成的点集无法很好的覆盖所有物体
- 全局搜索属于每个物体候选的点
五、3D SSD
1.提高聚类的质量
- 同时考虑点与点之间在几何和特征空间的相似度
- 聚类的输出可以直接用来生成物体候选
2.避免重复计算
- 聚类算法输出每个点cluster的中心和领域点
- 避免全局搜索物体候选和点之间的匹配关系
六 、总结和对比
- PointNet++的主要问题就是运行速度太慢
- 速度的瓶颈在于聚类过程中需要将点集特征映射回原始点云
- Point RCNN和3D SSD的改进主要在于提高运行速度
ntNet++的主要问题就是运行速度太慢
- 速度的瓶颈在于聚类过程中需要将点集特征映射回原始点云
- Point RCNN和3D SSD的改进主要在于提高运行速度
激光雷达物体检测（二）：点视图检测算法相关推荐
- 自动驾驶感知——激光雷达物体检测算法
文章目录 1. 基于激光雷达的物体检测 1.1 物体检测的输入与输出 1.2 点云数据库 1.3 激光雷达物体检测算法 1.3.1 点视图 1.3.1.1 PointNet 1.3.1.2 Point ...
- 激光雷达物体检测（三）：俯视图检测算法
一.VoxelNet 1.特征学习网络(feature learning natwork) Group&Sampling:每个网格内部随机采样固定数目的点,不足的则重复 Voxel Featu ...
- 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 ...
- （二）目标检测之 HOG+SVM 算法
文章目录 背景 HOG特征描述符 方法概述 HOG算法优缺点 实例讲解 参考资料 背景 梯度直方图HOG(Histogram of Oriented Gradients)是法国人Dalal在200 ...
- 在浏览器中进行深度学习：TensorFlow.js (十二）异常检测算法
2019独角兽企业重金招聘Python工程师标准>>> 异常检测是机器学习领域常见的应用场景,例如金融领域里的信用卡欺诈,企业安全领域里的非法入侵,IT运维里预测设备的维护时间点等. ...
- 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
- 人脸识别算法源码SDK开发包人证比对二次开发检测核验开发包
人脸识别算法源码SDK开发包人证比对二次开发检测核验开发包 ID:89120059902830359120170116926
- 使用PointNets在雷达数据中进行二维汽车检测
摘要 对于许多自动驾驶功能而言,对车辆环境的高度准确感知是至关重要的前提.现代高分辨率雷达传感器每个物体会产生多个雷达目标,这使得这些传感器特别适合2D物体检测任务.这项工作提出了一种仅使用Point ...
- 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 ...
- 目标检测 | 清晰易懂的SSD算法原理综述
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 SSD(Single Shot Detection)是一个流行且强 ...
最新文章
- C语言面试题-这些简单的你能很快的写出来吗？
- nsqjs客户端的部署
- python dict函数用法_如何将python中的dict作为参数传入c函数中用c做相关的处理？...
- 打家劫舍—leetcode198
- JVM--类加载机制
- jzoj6286,P4442-走格子(Portal)【BFS,SPFA】
- 死锁的代码产生及必要条件与预防
- 可输入可选择的input
- linux下sqlmap安装教程,Linux安装sqlmap
- 一文详解高精地图构建与SLAM感知优化建图策略
- 常用射频接头之2.92mm
- Redis 操作命令大全
- 使用百度OCR做答题软件辅助
- 技术分享 | Frida 实现 Hook 功能的强大能力
- 状态码中400错误和405错误怎么解决
- vue使用echarts-liquidfill水球图不生效
- 基于BP神经网络的PID控制,神经网络算法pid控制
- with open（）as filename
- 批量修复自定义标题带来的word题注错误：错误，文档中没有指定样式的文字
- 高级计算机网络内容介绍,高级计算机网络-课程介绍课件.ppt