- 综合排序
- 最热优先
- 最新优先
- 来自专栏3D视觉从入门到精通
3D目标检测深度学习方法数据预处理综述
1. 2 voxel representation 1.2.1 Voxelization 步骤 在3D目标检测中，对整个场景的point2voxel的过程可以简单描述为如下： 1.设置Voxelization 1.2.2 Voxelization 参数 上文中的体素化过程涉及到两个重要的内容，一个是体素参数，另外一个是voxel特征根据该voxel中的特征如何求取。 Voxelization对参数的要求比较高，就发展历史来说，VoxelNet(CVPR18)是第一篇采用voxel-representation作为点云输入的网络结构，该文章中max_points_number 下图左图表示的是点的voxel表示，经过Voxelization化后，经过逐步下采样的encoder过程降为二维 feature map，最后再根据二维的feature的每一个像素点作为anchor point
77710发布于 2020-12-11 - 来自专栏粽子的深度学习笔记
[Paper Reading-3d] AFDetV2: Real-Time Anchor-Free Single-Stage 3D Detection with IoU-Awareness
Dataset/Algorithm/Model/Experiment Detail 模型结构如下图： 首先点云voxelization，这一步文章利用了GPU进行优化，提高了速度。
76430发布于 2021-10-29 - 来自专栏OpenMMLab
为什么 MMCV v1.5.0 值得一个头条
· 新增 2 个 3D 检测算子 spconv 和 non-deterministic voxelization。 · 优化 NMS 算子的计算效率。
74320编辑于 2022-05-25 - 来自专栏机器学习初学者精选文章
【深度学习】深度学习三维人体建模最新论文、资源、数据、代码整理分享
specular and transparent object surface reconstruction [HPG13] Real-time high-resolution sparse voxelization
59020编辑于 2023-01-10 - 来自专栏3D视觉从入门到精通
Lidar-RCNN：基于稀疏点云的3D目标检测网络（CVPR2021）
different categories have different anchors, which corresponds to different regression targets. c）体素（Voxelization
1.2K30发布于 2021-07-27 - 来自专栏3D视觉从入门到精通
Voxel RCNN：高性能3D目标检测网络（AAAI2021）
Nevertheless, the downside is that voxelization often causes loss of precise position information. 3.
1.2K40发布于 2021-07-27 - 来自专栏3D视觉从入门到精通
3D目标检测深度学习方法之voxel-represetnation内容综述（一）
设置Voxelization参数（每个voxel可以存放点的个数(max_points_number)，voxel长宽高的大小(whl)） 2. 计算voxel特征 为了方便理解笔者做了一个简单的示意，如下下图的过程则是Voxelization的过程，如果max_points_number设置为3，那么红色点如果是比较后加入到对应的voxel，那么就会被丢弃 backbone 小结 上面介绍了两种按照先后顺序发展起来的backbone方法，其中3D CNN和voxel特征提取中提到的MLP特征提取相配合（因为但是3D CNN还没有稀疏卷积表达形式，所以考虑到显存消耗，在voxelization
1.3K20发布于 2020-12-11 - 来自专栏3D视觉从入门到精通
一文览尽LiDAR点云目标检测方法
图3 dynamic voxelization计算流程 如图2所示为multi-view feature fusion的流程，融合了3部分特征：bev feature(如图中绿色部分)、camera/ 提出了使用动态voxel（dynamic voxelization，DV）的方式获得bev图，计算过程如图3所示，相对传统的voxel（Hard voxelization，HV），有3个好处，1）DV保留了
3.1K10发布于 2021-01-28 - 来自专栏深度学习技术前沿
CVPR 2020丨基于点云的3D物体检测新框架
图2 KITTI测试集上的速度-精度对比图，其中O为HVNet 1 研究背景 在当前点云检测模块，格网化(voxelization)是一个重要的方式。
1.4K20发布于 2020-05-25 - 来自专栏深度学习技术前沿
CVPR 2020 Oral 文章汇总，包括论文解读与代码实现
本文的目标是设计一种轻量级，计算效率高(computationally-efficient)、内存占用少(memory-efficient)的网络结构，并且能够直接处理大规模3D点云，而不需要诸如voxelization
1.4K40发布于 2020-07-09 - 来自专栏深度学习和计算机视觉
解析激光雷达中时序融合的研究现状和发展方向
其具体做法是首先将相邻若干帧激光雷达扫描得到的点云转换到同一坐标系下，把每一帧的点云进行体素化 (voxelization)；同时为了避免在单帧上使用3D卷积及其所引入的计算复杂度，将高度这一维作为通道
1.1K00发布于 2020-06-19 - 来自专栏我爱计算机视觉
更快更精准的感知，元戎启行提出基于LiDAR的3D物体检测新框架｜CVPR 2020
图 2 KITTI测试集上的速度-精度对比图，其中O为HVNet 研究背景 在当前点云检测模块，格网化(voxelization)是一个重要的方式。
1.1K20发布于 2020-04-07 - 来自专栏点云PCL
论文共读之点云匹配
2、 Smoothed density value (SDV) voxelization（平滑密度值（SDV）体素化） 3、 Network architecture（网络构架）
2.2K30发布于 2019-08-19 - 来自专栏点云PCL
介绍一篇关于点云的深度学习的文章-PointNet
We propose anovel deep net architecture that consumes raw point cloud (set of points)without voxelization
1.6K30发布于 2019-07-31 - 来自专栏OpenMMLab
重点已划好！OpenMMLab 11 月动态一览
utils/移动到mmdet3d/testing/ (#2012) 给 models/layers/ 文件夹下代码增加 typehint (#2014) 精修文档 (#1891, #1994) 改进 voxelization
1.1K30编辑于 2022-12-30 - 来自专栏深度学习和计算机视觉
基于单目视觉的三维重建算法综述
所以后续大家都用voxelization(Voxel)的方法把所有CAD model转成binary voxel模式(有值为1， 空缺为0)这样保证了每个模型都是相同的大小。
2.5K40发布于 2019-06-02 - 来自专栏SIGAI学习与实践平台
基于单目视觉的三维重建算法综述
所以后续大家都用voxelization(Voxel)的方法把所有CAD model转成binary voxel模式(有值为1， 空缺为0)这样保证了每个模型都是相同的大小。
5.4K21发布于 2019-03-01 - 来自专栏arXiv每日学术速递
计算机视觉学术速递[7.28]
6% on CIFAR-10 and 2% on MVTAD. 【4】 DV-Det: Efficient 3D Point Cloud Object Detection with Dynamic Voxelization To achieve this goal, we propose dynamic voxelization, a method that voxellizes points at local scale For further speed optimization, we propose the grid-based downsampling and voxelization method, and provide 点云|SLAM|雷达|激光|深度RGBD相关(1篇) 【1】 CKConv: Learning Feature Voxelization for Point Cloud Analysis 标题：CKConv By learning feature voxelization with LSA, CKConv can extract enriched features for effective point cloud
2.6K40发布于 2021-07-29 - 来自专栏i车Gear联
智驾车技术栈 | 两万字综述：自动驾驶中基于Lidar点云的3D目标检测深度学习方法
执行点到体素分配/映射的方式有三种：固定体素化（fixed voxelization）、动态体素化（dynamic voxelization）和混合比例体素化（hybrid scale voxelization
2.9K11编辑于 2022-12-18 - 来自专栏AI科技评论
CVPR 2020 | RandLA-Net:大场景三维点云语义分割新框架（已开源）
本文的目标是设计一种轻量级，计算效率高(computationally-efficient)、内存占用少(memory-efficient)的网络结构，并且能够直接处理大规模3D点云，而不需要诸如voxelization
5K52发布于 2020-03-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号