Advertisement

PointPillars: Fast Encoders for Object Detection from Point Clouds

阅读量：
请添加图片描述

paper

复制代码 
(https://github.com/SmallMunich/nutonomy_pointpillars)

### 问题及创新点

#### 问题

  1. 固定的比点云编码往往速度更快，但效果不理想
  2. 基于学习的方法，检测效果更好，但效果不理想。

#### 创新点

  1. 相比Voxel，提出了一种新的3D点云编码方法
  2. 提取的特征能够直接在2D检测网络上运行

### 网络架构

整个网络架构创新点主要在集中在Pillar Feature Net上，提出了一种新的3D点云特征提取方法。 Based SECOND  
![在这里插入图片描述](https://ad.itadn.com/c/weblog/blog-img/images/2025-02-02/aZz1nWoBTMApCIbQPRYUX3f9KSHc.png)

#### Pillar Feature Net

  1. 根据点云图像，以x,y坐标为面，以0.4m*0.4m的方式划分单元柱。
  2. 根据划分的点云柱，抽取P个非空的点云柱，每个点云柱子抽取N个非空的点，每个点是维度为D=9的特征信息$(x,y,zr,x_c,y_c,z_c,x_p,y_p)$，其中$(x_c,y_c,z_c)$是点到点云柱中心的距离。得到特征（D,P,N）的特征向量，Pillar index记录位置信息
  3. LN+BN+ReLU 处理特征，. （D,P,N） -> (C,P,N)
  4. max operation -> (C,P) 为每个点云柱处理得到C维度特征
  5. 根据Pillar index，还原特征图到 (C,W,H) 的特征以作为2D检测网络的输入

### 实验结果
![在这里插入图片描述](https://ad.itadn.com/c/weblog/blog-img/images/2025-02-02/IEFVTtwxioQOWvc7ADK8hLk4XsZb.png)

全部评论 (0)

还没有任何评论哟~

相关文章推荐

PointPillars: Fast Encoders for Object Detection from Point Clouds

paper https://github.com/SmallMunich/nutonomypointpillars 问题及创新点 问题 1.固定的比点云编码往往速度更快，但效果不理想 2.基于学习的方...

【3D目标检测】PointPillars: Fast Encoders for Object Detection from Point Clouds解读

文章目录 前言 摘要 1\.介绍 2\.PointPillarsNetwork 3\.实现细节 4\.实验结果 5\.总结 前言 1\.为什么要做这个研究？ 作者认为采用3D卷积会大大降低处理速度，浪...

三维目标检测论文阅读：PointPillars: Fast Encoders for Object Detection from Point Clouds

PointPillars:FastEncodersforObjectDetectionfromPointClouds codeID：https://github.com/nutonomy/second...

PointPillars: Fast Encoders for Object Detection from Point Clouds 用于点云目标检测的快速编码器

PointPillars:FastEncodersforObjectDetectionfromPointClouds用于点云目标检测的快速编码器 一些网站 论文的githubhttps://githu...

Deep Hough Voting for 3D Object Detection in Point Clouds

paper https://link.zhihu.com/?target=https://github.com/facebookresearch/votenet 问题与灵感 整个方法basedPoin...

Deep Hough Voting for 3D Object Detection in Point Clouds论文笔记

一.四个问题 1.要解决什么问题？ 目前的三维目标检测方法基本都是沿袭了二维目标检测的工作流程：提特征然后加RPN（regionproposalnetwork）。

【3D目标检测】PIXOR: Real-time 3D Object Detection from Point Clouds解读

文章目录 前言 摘要 1\.介绍 2.相关工作 3\.PIXOR检测器 4结果 5\.总结 前言 1\.为什么要做这个研究？ 将点云体素化做3D卷积计算量大，而且由于点云的稀疏性，很多计算都是不必要的...

【论文笔记】LION: Linear Group RNN for 3D Object Detection in Point Clouds

原文链接：<https://arxiv.org/abs/2407.18232 简介：Transformer在3D点云感知任务中有二次复杂度，难以进行长距离关系建模。线性RNN则计算复杂度较低，适合进行...

三维目标检测论文阅读：PIXOR: Real-time 3D Object Detection from Point Clouds

PIXOR:Realtime3DObjectDetectionfromPointClouds 论文链接：<http://www.cs.toronto.edu/wenjie/papers/cvpr18/...

论文阅读笔记（二）：USIP:Unsupervised Stable Interest Point Detection from 3D Point Clouds

摘要： 本文提出了USIP检测器：一种可以在不需要训练数据真值的任意变换的3D点云中检测重复率高、定位准确的关键点的无监督稳定特征点检测器。USIP检测器由一个特征生成网络组成，该网络可以从输入的点云...