久久综合无码内射国产,亚州无线一区欧美国产日产,一区二区三区四区视频精品免费,国产一区二区三区熟女免费,欧美黄色视屏一区二区三区,91日日日日日,一级A片黃色A片,亚洲欧美性爱在线观看

點(diǎn)擊下方卡片，關(guān)注“新機(jī)器視覺(jué)”公眾號(hào)

重磅干貨，第一時(shí)間送達(dá)

作者丨eyesighting@知乎

來(lái)源丨h(huán)ttps://zhuanlan.zhihu.com/p/508859024

編輯丨3D視覺(jué)工坊

前言?

過(guò)去很多年激光雷達(dá)的車規(guī)標(biāo)準(zhǔn)和高昂價(jià)格是阻礙其量產(chǎn)落地的主要因素，最近兩三年隨著速騰、禾賽、大疆、圖達(dá)通、Luminar等廠家混合固態(tài)激光雷達(dá)的量產(chǎn)，新勢(shì)力車企、互聯(lián)網(wǎng)車企陸續(xù)發(fā)布與交付了基于激光雷達(dá)的車型，比如：小鵬P5、蔚來(lái)ET7/ET5、集度概念車、威馬M7、智己L7、高合HiPhiZ、沙龍機(jī)甲龍、極狐HBT，混合固態(tài)激光雷達(dá)即將進(jìn)入批量量產(chǎn)的前夜。后續(xù)隨著各大廠商智能電動(dòng)車型的大規(guī)模量產(chǎn)與交付，混合固態(tài)激光雷達(dá)可能將會(huì)是主流車型的標(biāo)配。

LiDAR感知、定位、建圖、預(yù)測(cè)算法功能的開(kāi)發(fā)將在車企/供應(yīng)商ADAS團(tuán)隊(duì)中占比越來(lái)越多，不再僅僅是一個(gè)輔助/真值系統(tǒng)的存在。最近疫情在家，對(duì)過(guò)去幾年學(xué)習(xí)、積累的LiDAR目標(biāo)檢測(cè)算法(不包含傳統(tǒng)算法、車道線、FreeSpace檢測(cè))論文做了總結(jié)，共計(jì)有54篇論文及代碼，有些是基礎(chǔ)網(wǎng)絡(luò)算法，有些經(jīng)典的、最新的算法也可作為工程落地的參考方案。

基于激光雷達(dá)點(diǎn)云的3D目標(biāo)檢測(cè)算法有很多種方法：傳統(tǒng)聚類方法，點(diǎn)云、體素化、柱狀化，RangeView、BirdEyeView，多幀、多視圖，OneStage、TwoStage，AnchorBased、AnchroFree、關(guān)鍵點(diǎn)、中心點(diǎn)、Voting、與分割結(jié)合、結(jié)合反射強(qiáng)度與線束角、轉(zhuǎn)為深度圖，知識(shí)蒸餾、Transformer、Atteintion、半監(jiān)督，2DCNN、3D稀疏卷積、圖卷積，與Camera圖像數(shù)據(jù)數(shù)據(jù)融合、特征融合。

從現(xiàn)階段角度，激光雷達(dá)本身還有很多工程問(wèn)題(布置、噪聲、標(biāo)定、同步、畸變、補(bǔ)償、安全)需要嘗試和解決，還有一個(gè)難點(diǎn)是網(wǎng)絡(luò)模型在嵌入式平臺(tái)的部署與優(yōu)化。但是對(duì)于目標(biāo)檢測(cè)算法本身，還是先基于CNN、BEV、AnchorBased/中心點(diǎn)為基礎(chǔ)算法完成工程落地，后續(xù)逐漸升級(jí)到以Transformer/Fusion框架的大感知框架。先以LiDAR/Camera后融合為主，可能的話，逐漸走向前融合的方案。

算法論文

3DSSD?

題目：3DSSD: Point-based 3D Single Stage Object Detector

名稱：3DSSD：基于點(diǎn)的 3D 單級(jí)物體檢測(cè)器

論文：https://arxiv.org/abs/2002.10187

代碼：https://github.com/tomztyang/3DSSD

AFDet?

題目：AFDet: Anchor Free One Stage 3D Object Detection

名稱：AFDet：無(wú)錨的一級(jí) 3D 對(duì)象檢測(cè)

論文：https://arxiv.org/abs/2006.12671

Associate-3DDet?

題目：Associate-3Ddet: Perceptual-to-Conceptual Association for 3D Point Cloud Object Detection

名稱：Associate-3Ddet：3D 點(diǎn)云對(duì)象檢測(cè)的感知到概念關(guān)聯(lián)

論文：https://arxiv.org/abs/2006.04356

BackReality?

題目：Back to Reality: Weakly-supervised 3D Object Detection with Shape-guided Label Enhancement

名稱：回到現(xiàn)實(shí)：帶有形狀引導(dǎo)標(biāo)簽增強(qiáng)的弱監(jiān)督 3D 對(duì)象檢測(cè)

論文：https://arxiv.org/abs/2203.05238

代碼：https://github.com/wyf-ACCEPT/BackToReality

BEVDetNet?

題目：BEVDetNet: Bird's Eye View LiDAR Point Cloud based Real-time 3D Object Detection for Autonomous Driving

名稱：BEVDetNet：基于鳥(niǎo)瞰 LiDAR 點(diǎn)云的自動(dòng)駕駛實(shí)時(shí) 3D 對(duì)象檢測(cè)

論文：https://arxiv.org/abs/2104.10780

BirdNet?

題目：BirdNet: a 3D Object Detection Framework from LiDAR information

名稱：BirdNet：來(lái)自 LiDAR 信息的 3D 對(duì)象檢測(cè)框架

論文：https://arxiv.org/abs/1805.01195

BirdNet+?

題目：BirdNet+: End-to-End 3D Object Detection in LiDAR Bird's Eye View

名稱：BirdNet+：LiDAR 鳥(niǎo)瞰圖中的端到端 3D 對(duì)象檢測(cè)

論文：https://arxiv.org/abs/2003.04188

CanonicalVoting?

題目：Canonical Voting: Towards Robust Oriented Bounding Box Detection in 3D Scenes

名稱：規(guī)范投票：在 3D 場(chǎng)景中實(shí)現(xiàn)穩(wěn)健的定向邊界框檢測(cè)

論文：https://arxiv.org/abs/2011.12001

代碼：https://github.com/qq456cvb/CanonicalVoting

CenterNet3D?

題目：CenterNet3D: An Anchor Free Object Detector for Point Cloud

名稱：用于自動(dòng)駕駛的無(wú)錨物體檢測(cè)器

論文：https://arxiv.org/abs/2007.07214

代碼：https://github.com/wangguojun2018/CenterNet3d

CenterPoint?

題目：Center-based 3D Object Detection and Tracking

名稱：基于中心的3D目標(biāo)檢測(cè)和跟蹤

論文：https://arxiv.org/abs/2006.11275

代碼：https://github.com/tianweiy/CenterPoint

CG-SSD?

題目：CG-SSD: Corner Guided Single Stage 3D Object Detection from LiDAR Point Cloud

名稱：CG-SSD：來(lái)自 LiDAR 點(diǎn)云的角引導(dǎo)單級(jí) 3D 對(duì)象檢測(cè)

論文：https://arxiv.org/abs/2202.11868

CIA-SSD?

題目：CIA-SSD: Confident IoU-Aware Single-Stage Object Detector From Point Cloud

名稱：CIA-SSD：來(lái)自點(diǎn)云的自信的 IoU 感知單級(jí)目標(biāo)檢測(cè)器

論文：https://arxiv.org/abs/2012.03015

代碼：https://github.com/Vegeta2020/CIA-SSD

ClassBalanced-GS?

題目：Class-balanced Grouping and Sampling for Point Cloud 3D Object Detection

名稱：用于點(diǎn)云 3D 對(duì)象檢測(cè)的類平衡分組和采樣

論文：https://arxiv.org/abs/1908.09492

Complex-YOLO?

題目：Complex-YOLO: Real-time 3D Object Detection on Point Clouds

名稱：Complex-YOLO：點(diǎn)云上的實(shí)時(shí) 3D 對(duì)象檢測(cè)

論文：https://arxiv.org/abs/1803.06199

代碼：https://github.com/AI-liu/Complex-YOLO

CT3D?

題目：Improving 3D Object Detection with Channel-wise Transformer

名稱：使用 Channel-wise Transformer 改進(jìn) 3D 對(duì)象檢測(cè)

論文：https://arxiv.org/abs/2108.10723

Deformable-PV-RCNN?

題目：Deformable PV-RCNN: Improving 3D Object Detection with Learned Deformations

名稱：可變形 PV-RCNN：通過(guò)學(xué)習(xí)變形改進(jìn) 3D 對(duì)象檢測(cè)

論文：https://arxiv.org/abs/2008.08766

E2E-PL?

題目：End-to-End Pseudo-LiDAR for Image-Based 3D Object Detection

名稱：用于基于圖像的 3D 對(duì)象檢測(cè)的端到端偽激光雷達(dá)

論文：https://arxiv.org/abs/2004.03080

代碼：https://github.com/mileyan/pseudo-LiDAR_e2e

Fast-Point-RCNN?

題目：Fast Point R-CNN

名稱：快速點(diǎn) R-CNN

論文：https://arxiv.org/abs/1908.02990

FVNet?

題目：FVNet: 3D Front-View Proposal Generation for Real-Time Object Detection from Point Clouds

名稱：FVNet：用于從點(diǎn)云進(jìn)行實(shí)時(shí)對(duì)象檢測(cè)的 3D 前視圖建議生成

論文：https://arxiv.org/abs/1903.10750

Hollow3D-RCNN?

題目：From Multi-View to Hollow-3D: Hallucinated Hollow-3D R-CNN for 3D Object Detection

名稱：從多視圖到 Hollow-3D：用于 3D 對(duì)象檢測(cè)的幻覺(jué) Hollow-3D R-CNN

論文：https://arxiv.org/abs/2107.14391

HotSpotNet?

題目：Object as Hotspots: An Anchor-Free 3D Object Detection Approach via Firing of Hotspots

名稱：對(duì)象即熱點(diǎn)：通過(guò)觸發(fā)熱點(diǎn)的無(wú)錨 3D 對(duì)象檢測(cè)方法

論文：https://arxiv.org/abs/1912.12791

HVPR?

題目：HVPR: Hybrid Voxel-Point Representation for Single-stage 3D Object Detection

名稱：HVPR：用于單級(jí) 3D 對(duì)象檢測(cè)的混合體素點(diǎn)表示

論文：https://arxiv.org/abs/2104.00902

IS-SSD?

題目：Not All Points Are Equal: Learning Highly Efficient Point-based Detectors for 3D LiDAR Point Clouds

名稱：并非所有點(diǎn)都是平等的：學(xué)習(xí)用于 3D LiDAR 點(diǎn)云的高效基于點(diǎn)的檢測(cè)器

論文：https://arxiv.org/abs/2203.11139

代碼：https://github.com/yifanzhang713/IA-SSD

LaserNet?

題目：LaserNet: An Efficient Probabilistic 3D Object Detector for Autonomous Driving

名稱：LaserNet：用于自動(dòng)駕駛的高效概率 3D 對(duì)象檢測(cè)器

論文：https://arxiv.org/abs/1903.08701

Lidar-RCNN?

名稱：LiDAR R-CNN：一種高效且通用的 3D 物體檢測(cè)器

論文：https://arxiv.org/abs/2103.15297

代碼：https://github.com/tusimple/LiDAR_RCNN

MLCVNet?

題目：MLCVNet: Multi-Level Context VoteNet for 3D Object Detection

名稱：MLCVNet：用于三維目標(biāo)檢測(cè)的多級(jí)上下文VoteNet

論文：https://openaccess.thecvf.com/content_CVPR_2020/papers/Xie_MLCVNet_Multi-Level_Context_VoteNet_for_3D_Object_Detection_CVPR_2020_paper.pdf

代碼：https://github.com/NUAAXQ/MLCVNet

MVF?

題目：End-to-End Multi-View Fusion for 3D Object Detection in LiDAR Point Clouds

名稱：用于 LiDAR 點(diǎn)云中 3D 對(duì)象檢測(cè)的端到端多視圖融合

論文：https://arxiv.org/abs/1910.06528

PartA2Net?

題目：From Points to Parts: 3D Object Detection from Point Cloud with Part-aware and Part-aggregation Network

名稱：從點(diǎn)到部分：使用部分感知和部分聚合網(wǎng)絡(luò)從點(diǎn)云進(jìn)行 3D 對(duì)象檢測(cè)

論文：https://arxiv.org/abs/1907.03670

代碼：https://github.com/sshaoshuai/PointCloudDet3D

PIXOR?

題目：PIXOR: Real-time 3D Object Detection from Point Clouds

名稱：PIXOR：點(diǎn)云的實(shí)時(shí) 3D 對(duì)象檢測(cè)

論文：https://arxiv.org/abs/1902.06326

Pointformer

題目：3D Object Detection with Pointformer

名稱：3D Object Detection with Pointformer

論文：https://arxiv.org/abs/2012.11409

代碼：https://github.com/Vladimir2506/Pointformer

Point-GNN?

題目：Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud

名稱：Point-GNN：用于點(diǎn)云中 3D 對(duì)象檢測(cè)的圖神經(jīng)網(wǎng)絡(luò)

論文：https://arxiv.org/abs/2003.01251

代碼：https://github.com/WeijingShi/Point-GNN

PointPillars?

題目：PointPillars: Fast Encoders for Object Detection from Point Clouds

名稱：PointPillars：點(diǎn)云目標(biāo)檢測(cè)的快速編碼器

論文：https://arxiv.org/abs/1812.05784

論文：https://openaccess.thecvf.com/content_CVPR_2019/papers/Lang_PointPillars_Fast_Encoders_for_Object_Detection_From_Point_Clouds_CVPR_2019_paper.pdf

代碼：https://github.com/nutonomy/second.pytorch

PointRCNN?

題目：PointRCNN: 3D Object Proposal Generation and Detection from Point Cloud

名稱：PointRCNN：來(lái)自點(diǎn)云的 3D 對(duì)象建議生成和檢測(cè)

論文：https://arxiv.org/abs/1812.04244

代碼：https://github.com/sshaoshuai/PointRCNN

Pseudo-LiDAR?

題目：Pseudo-LiDAR from Visual Depth Estimation: Bridging the Gap in 3D Object Detection for Autonomous Driving

名稱：來(lái)自視覺(jué)深度估計(jì)的偽激光雷達(dá)：彌合自動(dòng)駕駛 3D 對(duì)象檢測(cè)的差距

論文：https://arxiv.org/abs/1812.07179

代碼：https://github.com/mileyan/pseudo_lidar

PU-Net?

題目：PU-Net: Point Cloud Upsampling Network

名稱：PU-Net：點(diǎn)云上采樣網(wǎng)絡(luò)

論文：https://openaccess.thecvf.com/content_cvpr_2018/papers/Yu_PU-Net_Point_Cloud_CVPR_2018_paper.pdf

代碼：https://github.com/yulequan/PU-Net

Point-Voxel

題目：Point-Voxel CNN for Efficient 3D Deep Learning

名稱：用于高效 3D 深度學(xué)習(xí)的點(diǎn)體素 CNN

論文：https://arxiv.org/abs/1907.03739

主頁(yè)：https://pvcnn.mit.edu/

項(xiàng)目：https://developer.nvidia.com/blog/point-voxel-cnn-3d/

PV-RCNN?

題目：PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection

名稱：PV-RCNN：用于 3D 對(duì)象檢測(cè)的點(diǎn)體素特征集抽象

論文：https://arxiv.org/abs/1912.13192

代碼：https://github.com/open-mmlab/OpenPCDet

PV-RCNN++

題目：PV-RCNN++: Point-Voxel Feature Set Abstraction With Local Vector Representation for 3D Object Detection

名稱：PV-RCNN++：用于 3D 對(duì)象檢測(cè)的具有局部向量表示的點(diǎn)體素特征集抽象

論文：https://arxiv.org/abs/2102.00463

代碼：https://github.com/open-mmlab/OpenPCDet

RangeDet?

題目：RangeDet:In Defense of Range View for LiDAR-based 3D Object Detection

名稱：RangeDet：為基于 LiDAR 的 3D 對(duì)象檢測(cè)保護(hù)范圍視圖

論文：https://arxiv.org/abs/2103.10039

SA-Det3D?

題目：SA-Det3D: Self-Attention Based Context-Aware 3D Object Detection

名稱：SA-Det3D：基于自注意力的上下文感知 3D 對(duì)象檢測(cè)

論文：https://arxiv.org/abs/2101.02672

代碼：https://github.com/AutoVision-cloud/SA-Det3D

SASA?

題目：SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object Detection

名稱：SASA：基于點(diǎn)的 3D 對(duì)象檢測(cè)的語(yǔ)義增強(qiáng)集抽象

論文：https://arxiv.org/pdf/2201.01976.pdf

代碼：https://github.com/blakechen97/SASA

SA-SSD

題目：Structure Aware Single-stage 3D Object Detection from Point Cloud

名稱：基于點(diǎn)云的結(jié)構(gòu)感知單級(jí)三維目標(biāo)檢測(cè)

論文：https://www4.comp.polyu.edu.hk/~cslzhang/paper/SA-SSD.pdf

代碼：https://github.com/skyhehe123/SA-SSD

SECOND?

題目：SECOND: Sparsely Embedded Convolutional Detection

名稱：第二：稀疏嵌入卷積檢測(cè)

論文：https://www.mdpi.com/1424-8220/18/10/3337

SE-SSD

題目：SE-SSD: Self-Ensembling Single-Stage Object Detector From Point Cloud

名稱：SE-SSD：來(lái)自點(diǎn)云的自集成單級(jí)目標(biāo)檢測(cè)器

論文：https://arxiv.org/abs/2104.09804

代碼：https://github.com/Vegeta2020/SE-SSD

SIENet?

題目：SIENet: Spatial Information Enhancement Network for 3D Object Detection from Point Cloud

名稱：SIENet：用于從點(diǎn)云進(jìn)行 3D 對(duì)象檢測(cè)的空間信息增強(qiáng)網(wǎng)絡(luò)

論文：https://arxiv.org/abs/2103.15396

SS3D?

題目：SS3D: Single Shot 3D Object Detector

名稱：SS3D：?jiǎn)未?3D 物體檢測(cè)器

論文：https://arxiv.org/abs/2004.14674

SST?

題目：Embracing Single Stride 3D Object Detector with Sparse Transformer

名稱：使用 Sparse Transformer 擁抱單步 3D 對(duì)象檢測(cè)器

論文：https://arxiv.org/abs/2112.06375

代碼：https://github.com/TuSimple/SST

STD?

題目：STD: Sparse-to-Dense 3D Object Detector for Point Cloud

名稱：STD：點(diǎn)云的稀疏到密集 3D 對(duì)象檢測(cè)器

論文：https://arxiv.org/abs/1907.10471

TANet?

題目：TANet: Robust 3D Object Detection from Point Clouds with Triple Attention

名稱：TANet：來(lái)自具有三重注意力的點(diǎn)云的穩(wěn)健 3D 對(duì)象檢測(cè)

論文：https://arxiv.org/abs/1912.05163

VoteNet?

題目：Deep Hough Voting for 3D Object Detection in Point Clouds

名稱：用于點(diǎn)云中 3D 對(duì)象檢測(cè)的深度霍夫投票

論文：https://arxiv.org/abs/1904.09664

代碼：https://github.com/facebookresearch/votenet

VOTR

題目：Voxel Transformer for 3D Object Detection

名稱：用于 3D 對(duì)象檢測(cè)的體素轉(zhuǎn)換器

論文：https://arxiv.org/abs/2109.02497

代碼：https://github.com/PointsCoder/VOTR

Voxel-FPN

題目：Voxel-FPN: multi-scale voxel feature aggregation in 3D object detection from point clouds

名稱：Voxel-FPN：點(diǎn)云 3D 對(duì)象檢測(cè)中的多尺度體素特征聚合

論文：https://arxiv.org/abs/1907.05286

VoxelNet?

題目：VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection

名稱：VoxelNet：基于點(diǎn)云的 3D 對(duì)象檢測(cè)的端到端學(xué)習(xí)

論文：https://arxiv.org/abs/1711.06396

代碼：https://github.com/qianguih/voxelnet

Voxel-RCNN?

題目：Voxel R-CNN: Towards High Performance Voxel-based 3D Object Detection

名稱：Voxel R-CNN：邁向高性能基于體素的 3D 對(duì)象檢測(cè)

論文：https://arxiv.org/abs/2012.15712

本文僅做學(xué)術(shù)分享，如有侵權(quán)，請(qǐng)聯(lián)系刪文。

—THE END—

基于激光雷達(dá)點(diǎn)云的3D目標(biāo)檢測(cè)算法論文總結(jié)