RPVNet：一种基于深度和效率的点云激光雷达范围 - 点 - 体素融合网络，用于点云分割

Mar, 2021

RPVNet：一种基于深度和效率的点云激光雷达范围 - 点 - 体素融合网络，用于点云分割

RPVNet: A Deep and Efficient Range-Point-Voxel Fusion Network for LiDAR Point Cloud Segmentation

Jianyun Xu, Ruixiang Zhang, Jian Dou, Yushi Zhu, Jie Sun...

TL;DR提出了一种基于点云、体素和全景图形的融合网络 (RPVNet) 来进行细粒度分割定位任务，在深度融合框架中，利用多个互补图形视角之间的信息交互，采用门控融合模块，提出了高效的 RPV 交互机制，并在两个大规模数据集 SemanticKITTI 和 nuScenes 上展示了该方法的先进性。该方法目前在 SemanticKITTI 排行榜上排名第一，没有任何额外技巧。

Abstract

point clouds can be represented in many forms (views), typically, point-based sets, voxel-based cells or range-based images(i.e., panoramic view). The point-based view is geometrically accurate, but it is disordered, which makes it difficult to find local neighbors efficiently. The vox

point clouds fine-grained segmentation rpvnet fusion network semantickitti

发现论文，激发创造

PVNet: 一种基于点云和多视图的联合卷积网络用于三维形状识别

本文介绍了一个新的 3D 形状识别框架：Point-View Network（PVNet），该框架整合了点云和多视角数据，并利用深度学习和嵌入式注意融合方案提高了 3D 形状的准确识别。

Aug, 2018

VoxelNet：基于点云的三维物体检测的端到端学习

VoxelNet 是一种针对点云图像检测的深度网络，可以将点云分割成等间距的三维体素，并通过新引入的体素特征编码层将每组点转换为统一的特征表示，从而生成描述性的体积表示，并连接 RPN 以生成检测。

Nov, 2017

LiDAR 点云 3D 物体检测的端到端多视角融合

本文提出了一种新颖的多视角融合算法 (MVF)，它能够从鸟瞰视角和透视视角有效地学习利用互补信息，其中采用了动态体素化方法。在 Waymo 开放数据集和 KITTI 数据集上的评估表明，MVF 模型显著提高了检测精度。

Oct, 2019

多视点 PointNet 用于 3D 场景理解

本文介绍了 MVPNet 模型，该模型使用视图选择和 2D-3D 特征聚合模块将 2D 多视图图像特征汇集到 3D 点云中，并使用基于点的网络将 3D 规范空间中的特征融合以预测 3D 语义标签。该方法在 3D 语义分割任务上，优于以前的点云方法，并且训练速度比稀疏体素方法的大型网络快得多。

Sep, 2019

VPFNet: 采用虚拟基于点的 LiDAR 和立体数据融合来提高三维物体检测

VPFNet 是一种新的网络架构，通过虚拟点 cleverly aligns and aggregates the point cloud and image data 来解决 3D 点云和图像数据之间的不匹配问题，同时利用数据增强技术来提高 3D 目标检测的性能。在 KITTI 数据集上的实验中，在保证计算效率的情况下，VPFNet 取得了很好的性能表现。

Nov, 2021

SDVRF：面向多模态三维目标检测的稀疏到密集体素区域融合

自动驾驶认知任务利用多模态处理器已成为趋势，该文章提出了 Voxel Region 和 Sparse-to-Dense Voxel Region Fusion，该方法增加了像素图像信息，提取了更丰富的特征，提高了不同基线的性能。

Apr, 2023

PVRNet: 基于点 - 视角关系的神经网络用于 3D 形状识别

本文介绍 Point-View Relation Network (PVRNet)，一种有效的网络模型，来融合点云和多视角数据的特征，从而提取出一个统一的表示，用于三维形状的分类和检索，实验结果显示，和现有模型相比有了显著的性能提升。

Dec, 2018

FRNet：面向可扩展的激光雷达分割的准椎体范围网络

我们提出了一种简单而强大的 FRNet，该网络通过与对应的锥形 LiDAR 点恢复了范围图像像素的上下文信息。实验证明，FRNet 在保持高效率的同时实现了具有竞争力的性能。

Dec, 2023

FPS-Net：大规模 LiDAR 点云分割的卷积融合网络

该研究设计了 FPS-Net 网络，利用点云投影图像的不同特征进行多模态特征融合，旨在优化点云的分段。该网络的有效性在广泛实验中得到证明，可以实现优于现有方法的语义分割，并且引入的多模态融合思想也兼容于典型的投影方法。

Mar, 2021

PV-RCNN: 用于 3D 物体检测的点 - 体素特征集抽象

提出了一种名为 PointVoxel-RCNN（PV-RCNN）的 3D 物体检测框架，可以使用点云实现准确的物体检测，使用了 3D voxel 卷积神经网络和基于 PointNet 的集合抽象相结合的方法深度学习了更具有区分性的点云特征，并使用 RoI-grid 池化方法编码具有可比性的特征从而实现了更准确的 3D 检测效果。

Dec, 2019