文章目录[隐藏]
3D点云目标检测分类：
1 Lidar only, point-based method：直接输入点云数据给网络，或者将点云数据pre-process，如将三维点云投射到多个二维平面形成图像。
Complex-yolo首先将点云数据转换到2d-bev图，然后在bev图上进行检测。
2 Lidar only, voxel-based method：三维点云切割成多个小块，这些小块就叫体素，后期可以使用3D卷积像图像一样进行操作。这种方法的计算量较大。
3 Lidar + image，fusing method：多感知融合的方法，即有图片数据又有点云数据作为输入。
分析：基于无规则的点云直接提取特征做检测即Point-based。
Voxel-based（基于体素的），其主要先把无规则点云处理为有规则的，然后再提取特征。
代码：
Complex-YOLOv4-Pytorch：
https://gitcode.net/mirrors/maudzung/Complex-YOLOv4-Pytorch?utm_source=csdn_github_accelerator
一 数据预处理
参考链接：https://blog.csdn.net/weixin_44145782/article/details/118029730
(1)点云数据裁剪
代码：https://github.com/qianguih/voxelnet （voxelnet/data/crop.py）
首先将training集里的所有点云数据进行裁剪操作，具体的就是利用calib中存放的相机校准矩阵，将3d点云的点投影到2dRGB图像中（利用Tr_v
版权声明：本文为CSDN博主「Jackilina_Stone」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/wss794/article/details/123064132
暂无评论