点云3D目标检测学习(3):Complex YOLO

Complex YOLO

CVPR 2018的一篇文章
因为对YOLO相对熟悉一些，因此以Complex YOLO 做为第一个学习的3D目标检测模型

主要贡献

1、检测速度快的3D检测网络
2、使用E-RPN计算3D框的朝向
3、能够一次预测多个类

点云的数据处理

将点云数据转为鸟瞰图，选择左右80m，前方40m作为检测区域，8cm划分栅格
然后提取强度密度高度特征组成RGB图，这里的RGB图只是仿照图像的，组成三个通道

网络结构

这里的网络的结构主要使用的YOLOv2,因为后续的YOLO网络还没提出来
关于YOLOv2网络不再赘续了，可以参考其他博客
这里说一下针对3D目标检测不一样的地方

因为是3D目标检测，因此最后回归出来的结构不一样，增加了两个，分别是中线点坐标，目标框的长宽，置信度以及增加的用于计算目标角度（yaw角）的实部和虚部，cartan进行计算

要想计算出3D框，还缺少一维参数，论文中将高度进行预先定义，每一个类别固定一个高度。

损失函数

损失函数除了原来YOLO的，还增加了欧拉回归部分损失，也就是计算yaw角的损失，看下面的损失函数，很容易看明白

检测结果图

点云3D目标检测学习(3):Complex YOLO相关推荐

点云3D目标检测学习(1)：pointnet、pointnet++模型
3D目标检测学习笔记开始正式进入3D目标检测的学习!!! 1.点云数据无序性:只是点而已,排列顺序不影响近密远疏非结构化数据,直接CNN有点难 2.PointNet CVPR2017 Poin ...
AAAI 2020 Oral论文--TANet：提升点云3D目标检测的稳健性
点击上方"深度学习技术前沿",选择"星标"公众号资源干货,第一时间送达来自华中科技大学白翔教授组的刘哲的 AAAI Oral 论文<TANet: Ro ...
点云 3D 目标检测 - PointPillars（CVPR 2019）
点云 3D 目标检测 - PointPillars(CVPR 2019) 摘要 1. 导言 1.1 相关工作 1.1.1 使用CNNs进行目标检测 1.1.2 激光雷达点云中的目标检测 1.2 贡献 ...
点云 3D 目标检测 - VoxelNet（CVPR 2018）
点云 3D 目标检测 - VoxelNet(CVPR 2018) 摘要 1. 引言 1.1 相关工作 1.2 贡献 2. VoxelNet 2.1 VoxelNet架构 2.1.1 特征学习网络 2. ...
激光点云3D目标检测算法之PointPillars
前言 <PointPillars: Fast Encoders for Object Detection from Point Clouds>是一篇发表在CVPR 2019上关于激光点云3 ...
点云 3D 目标检测 - SECOND（Sensors 2018）
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. ...
点云 3D 目标检测 - RangeDet（ICCV 2021）
点云 3D 目标检测 - RangeDet: In Defense of Range View for LiDAR-based 3D Object Detection - 基于LiDAR的3D目标检测 ...
点云 3D 目标检测 - CenterPoint：Center-based 3D Object Detection and Tracking（CVPR 2021）
点云 3D 目标检测 - CenterPoint: Center-based 3D Object Detection and Tracking - 基于中心的3D目标检测与跟踪(CVPR 2021) ...
OpenPCDet：点云3D目标检测开源库
本文转载自知乎,已获作者授权转载. 链接:https://zhuanlan.zhihu.com/p/152120636 随着自动驾驶与机器人技术的不断发展,基于点云表征的3D目标检测领域在近年来取得了 ...