3D

写给读者 文章的内容主要是我个人在学习论文的过程中按模块对论文进行了粗略的翻译并且加入了一定的理解，其中对于一些我不太了解的额外知识进行了一个补充，欢迎大家指正。 Introduction LiDAR&#xff0

代码链接 paper链接 个人博客 问题 本文首先说明了一个问题就是NMS是一个非常重要的去除预测结果中重复的后处理过程。一些工作已经发现在NMS中使用IOU来作为排序的标准能够取得更好的效果。这里作者还用一个实验证明了上述说法的正确性

这是一篇发表在了cvpr 2021上，能够在线估计外参的单目3D目标检测算法，借鉴了visual odometry和style transfer的方法，效果好， 速度快（~3

Fog Simulation on Real LiDAR Point Clouds for 3D Object Detection in Adverse Weather基本参数： clear-weather下的接收信号功率&#xf

Lidar Point Clouds KITTI dataset KITTI是一个自动驾驶感知模块的作为标准基准的多模态数据集，涉及的感知任务包括基于图像的单眼和立体深度估计，光流（optical

Multi-View 3D Object Detection Network for Autonomous Driving 本文提出一种多模态的3D目标检测，融合了视觉和雷达点云信息。和以往基于voxel的方法不同&#xff0c

1. Motivation 现在存在的3D目标检测方法可以分为两种,一种是基于point-based,一种是基于grid-based(也就是voxel-based)。point-based可以获得更大的感受野，但是计算成本过高&

声明 原文链接 摘要 虽然当前的3D对象识别研究主要集中在实时车载场景中，但许多非车载感知用例在很大程度上没有得到充分的探索，例如使用机器自动生成高质量的3D标签。由于有限的输入和速度限制，现在的

VoteNet框架: PointNet模型，它使用多个专门为3D点云设计的下采样（set-aggregation）和上采样（feature-propagation）操作的组

paper: Improving 3D Object Detection with Channel-wise Transformer code：https://github.com/hlsheng1/CT3D 获得box的八个角