自动驾驶

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：

声明：本文引用吴恩达教授的DeepLearning课程内容。 目录 1、基于滑动窗口的目标检测算法 2、卷积的滑动窗口实现 1、基于滑动窗口的目标检测算法 首先固定一个于滑动窗口区域，然后将滑动窗口在图像上按照

摘要 大多数最先进的3D物体探测器严重依赖于激光雷达传感器，因为基于图像的方法和基于激光雷达的方法之间存在很大的性能差距。这是由于在三维场景中对预测的表示方式造成的。我们的方法，称为深度立体几何网络(DSGN)&#

一、简介 SSD，全称Single Shot MultiBox Detector，是Wei Liu在ECCV 2016上提出的一种目标检测算法，是主要的检测框架之一，相比Faster R

车道线检测实现Ultra-Fast-Lane-Detection 原始仓库代码使用resnet系列作为骨干网络，网络输入分辨率为288*800，在板卡上运行7-8FPS，有点低，个人对原

1 RealSense D435摄像头介绍 英特尔® 实感™ D435 在我们推出的所有摄像头中视场最大，深度传感器上配置全局快门，是快速移动应用的理想选择。 1.1 D435外观及内部构造 1、外观 2、内