BirdNet: a 3D Object Detection Framework from LiDAR information
发布时间
阅读量：
阅读量
BirdNet 论文解读
核心思想：
Detection Framework:
第一步：将三维点云数据转换为二维鸟瞰图视图。
第二步：通过应用二维鸟瞰图上的卷积神经网络模型来推断物体的位置、朝向及其分类。
第三步：实施基于三维物体定向检测的方法来计算物体的高度。
网络框架：
第一步：通过投影三维点云数据生成一个包含三个通道的BEV地图。
第二步：通过faster-rcnn检测网络进行处理，识别出类别、二维边界框以及车辆偏角。
第三步：进行二维检测精炼；基于地面估计结果计算高度值，并完成三维物体的检测。
具体内容
BEV Generation
- 最高的高度
- 平均强度
- 计算每个单元格中的点密度：其数值等于该单元格内点的数量除以其最大可能容纳的点数。
相应的生成一个与BEV图具有相同尺寸的归一化图。通过这种方法来平衡不同LiDAR设备在水平和垂直分辨率上的差异。
Inference Framework
- Faster rcnn
Post-processing
2D detection refinement process
将第二步粗糙的回归精细化。
高度计算
BEV里面的最高点减去经过处理后的最低点。
感觉这样好草率。
全部评论 (0)
还没有任何评论哟~