自动驾驶

基于Matlab的深度学习的汽车目标检测 目前大部分的深度学习或者主流的深度学习算法大部分都是基于python所做的“前端”所实现的，python的语言足够简洁，社区相对成熟（框架多，类

先看精度效果： Yolo-Fastest-1.1 Pedestrian detection EquipmentSystemFrameworkRun timeRaspberrypi 3BLinux(arm64)ncnn62ms Network

目的 在无人驾驶项目开发中测试了几个目标检测算法模型，使用的数据是速腾聚餐32线激光雷达采集得到的点云，使用的显卡是RTX2060，采集的场地是停车场和道路环境。 1　PointPillars 使用的

autoware使用Euclidean Clustering进行检测 点云聚类在激光雷达环境感知中的作用 就无人车的环境感知而言，方案很多，根据使用的传感器的不同，算法也截然不同，有单纯基于图像视觉的方法，也有基于激光雷达的方法，激光雷达以其

基于视觉Transformer的目标检测 无卷积骨干网络：金字塔Transformer，提升目标检测/分割等任务精度 https://github.com/whai362/PVT 例如，在参数数量相当

EPNet: Enhancing Point Features with Image Semantics for 3D Object Detection 1.摘要 这篇文章主要解决3D目标检测中的两个重要问题，包括多传感器融合

一、PointPillars 介绍 本文提出了一种新的用于 3D 目标检测的方法 PointPillars，它利用 PointNets 来学习组织在垂直列中的点云表示。虽然编码特征可以与任何标准的 2D 卷积检测架构一起使用&#

1.论文简介 CenterFusion: Center-based Radar and Camera Fusion for 3D Object Detection. Ramin Nabati, Hairong Qi 论文链接：

前言 MV3D-Net融合了视觉图像和激光雷达点云信息；它只用了点云的俯视图和前视图，这样既能减少计算量，又保留了主要的特征信息。随后生成3D候选区域，把特征和候选区域融合后输出最终的目

之前有针对 VoxelNet 这篇论文做过简述，今天的主题是 PointPillar。 PointPillar 是 2019 年提出来的模型，相比于之前的点云处理模型，它有 3 个要点：