3D目标检测

简介 主要从技术变更历史、发展路线、数据集、数据融合的方式、当前知名的实验室以及大牛，其中的侧重点等方面介绍。当作是文献阅读的一种记录。有不足之处还请指出。 目前主流的分类方法是根据输入数据是否经过处理来作为判断依据的。其中主要

近期因实验需要利用kitti数据集,发现关于评估工具使用的部分网上教程不够详细,特此记录. 文末为了方便对数据结果观看,附上了修改代码. 1. KITTI评估工具来源 官网评估工具 下载后文件目录包含: matlab(2D/3D框显示和

摘要 三维目标检测是自动驾驶和机器人技术中的一项重要任务。虽然已经取得了很大的进展，但在估计远处和遮挡物体的三维姿态方面仍然存在挑战。本文提出了一种新的基于立体图像的三维检测框架 ZoomNet。 ZoomNet 采用了一个普

DETR3D: 3D Object Detection from Multi-view Images via 3D-to-2D Queries 这篇论文的四个作者分别来自麻省理工学院、丰田研究院、卡耐基梅隆大学、理想汽车，最近被C

摘要 最近的许多工作通过视差估计恢复点云，然后应用3D探测器解决了这一问题。视差图是为整个图像计算的，这是昂贵的，并且不能利用特定类别的先验。相反，我们设计了一个实例视差估计网络 iDi

1、为什么要做这个研究（理论走向和目前缺陷） ? 之前做3D目标检测大多基于Anchor来做，不好表达，且不利于下游任务，如跟踪。 2、他们怎么做这个研究 （方

本文可以借鉴的另一篇博客: 【3D 目标检测】PVRCNN详解(个人阅读心得并总结其他人的结论得出的文章)_JY.Wang_China的博客-CSDN博客 M3DETR:Multi representation, Multi scale,

我的点云数据形式是（x,y,z,r）类型的，直接读取运用就行了，然后再进一步处理。 以下代码是my_datasets的从文件中读取和保存的代码 import numpy as np im

0. 前言 英文标题：PointPillars: Fast Encoders for Object Detection from Point Clouds发表单位：nuTonomy，一家从麻省理工学院分

Automanous-3D-detection-methods 版权注释 该项目地址为：https://github.com/LittleYuanzi/awesome-Automanous-3D-detection-metho