3d lidar | BriefGPT - AI 论文速递

关键词3d lidar

搜索结果 - 8

DRIP: 3D LiDAR 定位的区分旋转不变的杆状地标描述符
本文提出了一种名为 “具有鉴别性的旋转不变极点” 的新方法，它增强了轻量级且具有鉴别性的极点的特征，在保持其轻量级的同时提高了其鉴别性。通过在极点中包括其主体线段以及周围感兴趣区域（ROI）来改进极点的鉴别性，同时描述了该 ROI 内的外观
PDF17 days ago
3D 单目标跟踪的相关金字塔网络
本文提出了一种新颖的相关金字塔网络（CorpNet），采用统一的编码器和运动分解解码器，着重解决了如何从稀疏不完整的点云中学习目标感知表征的中心问题。经过实验证明，该方法在两个常用数据集上均取得了最先进的结果，并且具有实时性。
PDFa year ago
ECCVCoSMix：3D LiDAR 分割中的组合语义混合领域自适应
本文提出了一种新的点云无监督域自适应方法 --CoSMix，是第一个基于样本混合的点云分割 UDA 方法，使用标记的合成数据和真实世界无标签点云，在两个大规模数据集上表现优于现有技术。
PDF2 years ago
CVPR不是所有点都相同：学习针对 3D LiDAR 点云的高效点检测器
本文提出了一种高效的基于点云的 3D 检测器 IA-SSD，利用可学习的面向任务的实例感知下采样策略分层选择感兴趣物体的前景点，进一步估计精确的实例中心，并采用仅编码器架构实现。大规模检测基准测试表明，该模型具有卓越的速度性能，能够以 80
PDF2 years ago
ICCV感知感知多传感器融合用于 3D LiDAR 语义分割
本文章提出了一种基于感知信息的多传感器融合策略（PMF），用于自动驾驶等应用中的 3D LiDAR 语义分割，通过两个模态的外观和空间深度信息进行感知信息融合并且提出了感知相关的损失函数用于衡量两种模式之间的差异性，实验结果证明了该方法的优
PDF3 years ago
(AF) 2-S3Net: 基于自适应特征选择的注意力特征融合稀疏语义分割网络
本文介绍了一种基于 AF2-S3Net 的端到端编解码 CNN 网络，用于 3D LiDAR 语义分割，并在大规模 SemanticKITTI 基准测试上展示了其优越性能。
PDF3 years ago
一种 LiDAR 点云生成器：从虚拟世界到自主驾驶
本文提出了一个从电脑游戏中快速生成带有准确点级别标签的点云的框架，可用于深度学习算法的训练和神经网络的鲁棒性测试并提出了自动标定方法，实验表明将生成的合成数据与训练数据集相结合可显著提高点云分割的准确性 (+9%)，通过从用户配置场景的点云
PDF6 years ago
基于深度语义的三维 LiDAR 数据分类
本文提出了一种基于深度神经网络和贝叶斯滤波框架的方法，用于将三维 LiDAR 数据点语义分为三个类别：不可移动、可移动和动态。结果表明，本文方法与其他方法相比在标准基准数据集上具有竞争力，并通过将神经网络检测的语义线索与运动线索结合来提高点
PDF7 years ago