3D 目标检测综述梳理图解
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桶型矫正&梯形校正,从而获得的BEV,还是GAN得到的结果,都说明Image存在一定的BEV信息,但是可能由于数据集采样方式(摄像头参数 高度 场景不一样)不一致,导致最后无法得到一个确定的参数来拿到传统的校正表
- 猜想:是否可以从每张图片获取相关的校正参数信息,如果这样的,采用少量的数据集进行校准,是不是可以得到一个被提前计算得到的校准表,从而达到节省计算的操作 有人做了
Segmentation-based Methods
- 该方法主要以3D点云这一处理过程为主,RGB通道主要提供语义分割的信息
- 第一种idea是采用前景、背景的先验知识去指导3Dproposal的生成
- 第二种idea采用RGB得到的语义分割的信息、包括class、概率等信息融合到3D点云中
Frustum-based Methods
- 局限性: 这种方法很明显会受限于2D检测的精度,如果遇见小目标、困难样本以及遮挡问题 点云的优势反而会被限制 容易陷入1+1 < 1的窘境当中
- 进一步思考:3D检测【点云】本身有不局限于光照的优点,但是采用这种方式很明显会受制于这个问题,从后续的文章可见 即使缺少RGB通道的信息,3D检测的精度也能够达到较高。这可能是由于数据集的场景决定的,比如不会出现两种近似的物种出现【比如猫、老虎幼崽】,而在真正的场景中,可能需要加上unknown的对象,以面对开放场景的问题 【其实数据集里都会对应don’t care等】
Point Cloud-based Mehtods
- 重点:如何减少无用运算 增加有效运算
- 方式:1、先提出一个较好的网络模型,这个时候不用太关心其速度,但是需要注重他的性能。2、性能达到目标时,可以针对模型中的各个模块进行耗时测速,以及分析该模块是否合理以及能否采用更好的模块进行替换。3、针对替换后的模块进行相应的调优。
- PV-RCNN -> PV-RCNN++ & 3DSSD也是如此
BEV-based Methods
基于BEV的好处 可以避免RGB提供的信息错误引起误差,并且事先投影可以有效提高计算效率,从而达到实时性,但是如何解决高度上的信息丢失需要考虑 比如采用额外的channel保存ground & 目标高度
Other Methods
写在最后 这个是我刚入门3D检测时候做的一些整理,所以可能会有些不正确的地方,请大家直接批评指正。如果想要pdf版本可以私聊我,代价就是拿相应的pdf来换,分割、transformer、人脸、GAN、模型压缩等综述都可以 嘿嘿
3D 目标检测综述梳理图解相关推荐
- 收藏 | 3D目标检测综述:从数据集到2D和3D方法
点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 仅作学术分享,不代表本公众号立场,侵权联系删除 转载于:机器之心 AI博士笔记系列推荐 周志华<机器学习> ...
- 3D目标检测综述:从数据集到2D和3D方法
本文经机器之心(almosthuman2014)授权转载,禁止二次转载. 作者:Yilin Wang, Jiayi Ye 机器之心编译 编辑:Panda 目标检测一直是计算机视觉领域中一大难题.近日, ...
- 无人驾驶领域的3D目标检测综述
论文阅读笔记<3D Object Detection for Autonomous Driving: A Review and New Outlooks> github链接:https:/ ...
- 3D Object Detection for Autonomous Driving: A Survey(自动驾驶中的3D目标检测综述)论文阅读笔记
原文链接:https://arxiv.org/pdf/2106.10823.pdf II.传感器 分为被动传感器(如摄像机)和主动传感器(如激光雷达).优缺点如下: 传感器 优点 缺点 单目摄像机 提 ...
- Multi-Modal 3D Object Detection in Autonomous Driving: a Survey(自动驾驶中的多模态3D目标检测综述)论文笔记
原文链接:https://arxiv.org/pdf/2106.12735.pdf 1.引言 1.1 单一传感器3D目标检测 基于图像的3D目标检测.低费用换来满意的性能.但存在遮挡. ...
- 【论文阅读】【综述】3D Object Detection 3D目标检测综述
目录 写在开头 3D Object Detection 相关博客: Sliding window Vote3Deep: Fast Object Detection in 3D Point Clouds ...
- 3D Object Detection 3D目标检测综述
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.csdn.net/wqwqqwqw1231/articl ...
- 史上最全综述:3D目标检测算法汇总!
来源:自动驾驶之心 本文约16000字,建议阅读10+分钟 本文将演示如何通过阈值调优来提高模型的性能.本文的结构安排如下:首先,第2节中介绍了3D目标检测问题的定义.数据集和评价指标.然后,我们回顾 ...
- 从2D到3D的目标检测综述
点云PCL免费知识星球,点云论文速读. 文章:An Overview Of 3D Object Detection 作者:Yilin Wang Jiayi Ye 翻译:分享者 本文仅做学术分享,如有 ...
- 3D目标检测深度学习方法数据预处理综述
作者 | 蒋天元 来源 | 3D视觉工坊(ID: QYong_2014) 这一篇的内容主要要讲一点在深度学习的3D目标检测网络中,我们都采用了哪些数据预处理的方法,主要讲两个方面的知识,第一个是rep ...
最新文章
- Activity的三层设计
- Linux操作系统的进程管理详解
- poj 2689 大范围素数
- Sql Server XML
- C++返回一个数的二进制最右边的一位的实现算法(附完整源码)
- java svn 版本号_eclipse中的Java文件自动根据svn版本号生成注释
- smart gesture安装失败_WinCC flexible SMART V3 SP2安装步骤以及常见错误解决方法
- 将本地源代码程序推送远程Github仓库
- GO开发 -- could not launch process: decoding dwarf section info at offset 0x0: too short
- 多线程、线程池的创建方式,为什么阿里推荐自定义线程池?
- js判断对象为空_在 JavaScript 中如何检查对象为空
- 在机器学习中为什么要进行 One-Hot 编码?
- Python根据正则表达式找到相应的字符串然后进行替换
- js简单正则表达式验证密码
- Oracle的共享关闭 独有关闭和共享更新关闭 (2)
- DM数据库登录用户名密码外部存储
- ORB_SLAM2系列之三:ORB_SLAM2跑RGBD SLAM数据集
- 关于vlc编解码器暂不支持: VLC 无法解码格式“MIDI” (MIDI Audio)解决
- 【测试】软件测试之黑盒、白盒、灰盒测试
- TiDB 在零氪科技(LinkDoc)大数据医疗系统的实践
热门文章
- 三维模型免费查看器(AnyCAD Viewer)
- CFDA发布GMP《计算机化系统和确认与验证》两个附录
- 视频教程-HTML5基础视频课程 - 实用的HTML教程-HTML5/CSS
- python 列举图像颜色
- android面试中经典的75道逻辑思维题
- 奈奎斯特稳定判据matlab处理,控制理论-奈奎斯特稳定判据学习笔记-综合电源技术-世纪电源网社区...
- 【IDEA类注释模板和方法注释模板】
- 【笔记总结】C陷阱与缺陷
- win10虚拟服务器安装xp,win10安装xp虚拟机安装教程_win10安装xp虚拟机详细步骤
- 计算机系统的性能能被准确测量吗,信息技术 基于计算机的软件系统的性能测量与评级...