论文浅读:Fog Simulation on Real LiDAR Point Clouds for 3D Object Detection in Adverse Weather

Fog Simulation on Real LiDAR Point Clouds for 3D Object Detection in Adverse Weather

基本参数:在这里插入图片描述
clear-weather下的接收信号功率:
在这里插入图片描述
在这里插入图片描述

Fog-weather下Hard target(真实目标)的接收信号功率:
在这里插入图片描述
Fog-weather下Soft target(雾反射)的接收信号功率:
在这里插入图片描述
算法实现:
在这里插入图片描述
一些解释:

  1. 第4行
    在这里插入图片描述在这里插入图片描述
  2. 第20行
    在这里插入图片描述
    雾反射强度峰值与目标反射强度峰值的两种关系:对应12-22的if else。
  3. 关于为什么可以无脑对所有的R取max(在R=时有最大值 这句话的时候就限制了R)
    soft target与hard target的R是独立的

Result:
在这里插入图片描述
上中下分别为:原始、对比方法、本文方法;左右为:强度编码、高度编码

在这里插入图片描述
上下:在晴朗数据和晴朗数据+雾模拟数据下训练的两个PV-RCNN的测试结果

在STF浓雾测试的AP结果对比:
在这里插入图片描述
在STF各种天气测试的Car 3D AP@.5IoU结果对比:
在这里插入图片描述

版权声明:本文为CSDN博主「zhSunw」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/ylwhxht/article/details/121710459

zhSunw

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

从0开始实现目标检测——实践篇

根据上一篇《从0开始实现目标检测——原理篇》的讲述,我们选择了YOLOv3作为模型,那么本篇文章将继续接着上篇的内容,自己动手基于YOLOv3实现模型训练和mAP的计算。 在自己动手的这个过程中&#xf