全部内容
在水中遨游的时候, 你应该去翻越波涛最汹涌的海洋.
PointNet++ 也能达到SOTA？ PointNeXt发现只需改进训练以及模型缩放策略就可以作者： 沙特王子爱学习， 登高居士arXiv: https://arxiv.org/abs/2206.04670 code: https://github.com/guochengqian/pointnext [图片] 摘要PointNet++ 是点云理解领域最有影响力的神经网络模型之一。虽然PointNet++ 在性能上已被一些最新的方法如PointMLP和Point Transformer超越，但是我们发现这些方法的 性能提升很大程度上源自于更好的训练策略（数据增强和优化方法），以及更大的模型而不…
基于点云的可行驶区域提取（地面分割）
未来的机器人工程师
问题描述：输入：单帧激光雷达点云 输出：属于地面/可行驶区域的点云 论文检索关键词：ground/traversable region segmentation KITTI Benchmark: Ground-Segmentation-Benchmark 相关工作：基于手工设计模型的方法： A Fast Point Cloud Road Segmentation Approach Based on Coarse-To-Fine Markov Random Field On the segmentation of 3d lidar point clouds Segmentation of 3D lidar data in non-flat urban environments usi…
欢迎关注公众号「CVHub」 学术 | 科研 | 就业
本文首发于微信公众号 CVHub，不得以任何形式转载到其它平台，仅供学习交流，违者必究！CVPR 2023 | LoGoNet：优于所有最先进的 3D 目标检测方法！ [图片] Title: LoGoNet: Towards Accurate 3D Object Detection with Local-to-Global Cross-Modal Fusion Paper: https://arxiv.org/pdf/2303.03595.pdf Code: https://github.com/sankin97/LoGoNet 导读3D 目标检测是自动驾驶等安全领域中的一个必不可少的任务。通过在三维空间中对目标进行定位与分类，3D 目标检测技术…
牛津大学等提出：Point Transformer
微信公众号：CVer
在点云分类和语义分割任务上表现SOTA！目前霸榜S3DIS和ModelNet40数据集，性能优于KPConv、InterpCNN等网络。 最近CVer推送了不少Transformer结合CV的论文，比如： Cell-DETR：基于Transformer的细胞实例分割网络 清华大学等提出PED：用于行人检测的DETR CNN与Transformer结合！东南大学提出视频帧合成新架构 ConvTransformer 北大和港中文提出ACT：自适应聚类Transformer的端到端目标检测 420 FPS！LSTR：基于Transformer的端到端实…
PointNet 家族简介（一）
图形学，视觉，机器学习
最近学习了 PointNet，发现这个系列的网络好多，于是打算写一个系列文章挨个介绍一下主要特点。 挖个坑，不一定填（逃 点云是什么？点云的概念是从现实中的 3D 扫描技术而来的。 常用的 3D 扫描技术是 LiDAR，这个仪器会从发射端发射一些激光，打到被扫描的物体上，反射后被仪器接受。通过计算发射和接受的时间差，就可以知道反射点距离摄像头的位置。通过发射许多条激光，我们就可以得到很多个点，这就是点云了。 由于这个采集…
希望这篇关于深度学习点云分割的综述，能给你提供一些思路： 【综述】PointNet、PointNet++、 F-PointNet基于深度学习的3D点云分类和分割作者：黎国溥，3D视觉开发者社区签约作者，CSDN博客专家，华为云-云享专家 首发：公众号【3D视觉开发者社区】 前言 PointNet是由斯坦福大学的Charles R. Qi等人在《PointNet:Deep Learning on Point Sets for 3D Classification and Segmentation》一文中提出的模型，它可以直接对点云进行处…
CVPR 2019 | PointConv：在点云上高效实现卷积操作
选自arXiv，作者：Wenxuan Wu、Zhongang Qi、Li Fuxin，机器之心编译。 3D 点云是一种不规则且无序的数据类型，传统的卷积神经网络难以处理点云数据。来自俄勒冈州立大学机器人技术与智能系统（CoRIS）研究所的研究者提出了 PointConv，可以高效的对非均匀采样的 3D 点云数据进行卷积操作，该方法在多个数据集上实现了优秀的性能。如将 CIFAR-10 数据转换成点云，使用 PointConv 实现例如 AlexNet 和 VGG 结构的网络，可以达到与…
Open3D(C++)点云处理算法汇总(C++长期更新版)
激光点云萌新玩家
测试数据 Open3D算法测试数据.rar_open3dc++-其它文档类资源-CSDN文库 一、读写显示Win10 系统下VisualStudio2019 配置Open3D-0.15.2（C++） Open3D (C++) 非智能指针转智能指针 Open3D (C++) 点云随机渲染颜色 Open3D(C++) 读取、可视化并保存点云 Open3D(C++) 读取、可视化并保存mesh 二、KD树与八叉树Open3D (C++) KD tree的使用 Open3D (C++) KD tree的使用--可视化近邻搜索点之间的连线 Open3D (C++) 点云的圆柱形邻域搜索 Open3D (…
公众号【自动驾驶之心】，主页：www.zdjszx.com
83FPS，史上最快 | IA-SSD: 基于点云的高效3D目标检测网络（CVPR2022）1论文主要贡献论文针对三维激光雷达点云的有效目标检测问题开展了研究，为了减少内存和计算成本，现有的基于point的pipeline通常采用任务无关随机采样或最远点采样来逐步向下采样输入pointset，然而并非所有点对目标检测任务都同等重要。对于detector来说，前景点本质上比背景点更重要。基于此，论文提出了一种高效的单级基于point的3D目标检测器，称为IA-SS…
长期招数据压缩或编解码的博后，PhD（一般需先实习），和实习
非常同意徐老师说的 “行业前景是该行业最顶尖的公司开拓出来的” 今天再来看这个问题，基于深度学习的图像压缩已经有实际应用。基本方法也相对成熟了，目前比较实用的就是自编码器+可微分熵模型这个框架，已经有多家企业优化到比较高的性能，sdk跑的贼6 而基于深度学习的视频编码，据CVPR 2023最新的论文（Neural Video Compression with Diverse Contexts）报道，目前在典型数据上压缩率已经超过最好的VVC和下一代的ECM。但是…