3d object detector | BriefGPT

关键词3d object detector

搜索结果 - 9

PV-SSD：基于投影和体素的双分支单阶段三维目标检测器
该论文介绍了一种基于体元和投影双分支特征提取的 3D 目标检测器，以解决信息丢失的问题。通过融合具有丰富局部语义信息的体元特征和投影特征，该方法在特征提取阶段减少了由投影引起的局部信息丢失，并在比较实验中取得了良好的性能。
PDFa year ago
ICCVPARTNER: 极化表示优化 LiDAR 3D 物体检测
最近，极坐标表示在感知任务中表现出了有希望的特性。除了分开不均匀地表示点云的笛卡尔方法外，将点云表示为极坐标网格被认为是一个替代方法，因为它在不同分辨率下表现稳健，且对基于流的方法具有优越性。然而，最先进的极坐标检测方法不可避免地遭受特征失
PDFa year ago
V-DETR: 使用顶点相对位置编码的 3D 对象检测
使用 DET 框架引入一种高性能的用于点云的 3D 物体检测器，通过引入一种新的 3D 顶点相对位置编码方法，使模型集中于对象附近的点，进一步改进了管道，在 ScanNetV2 基准测试上取得了显著的改进。
PDFa year ago
AAAIBEVDepth: 多视角 3D 物体检测可靠深度获取
本文提出一种新的基于相机的鸟瞰图三维目标检测方法，称为 BEVDepth，通过使用显式深度监督、镜头感知深度估计模块、深度细化模块以及定制的高效八叉树池化和多帧机制，实现了 60.9％的 NDS。这是相机模型首次达到 60％以上的 NDS
PDF2 years ago
MM从体素到点云：基于 IoU 引导的用于点云的三维物体检测的体素到点云解码器
本研究提出了一种 IoU 引导的两阶段 3D 物体检测器，并结合采用 “残差体素到点云” 和 “ROI 对齐” 来提高检测精度，实验表明该方法在 KITTI 数据集上具有明显优势。
PDF3 years ago
RangeDet: 基于激光雷达的三维物体检测中使用范围视图的辩护
本文提出了一个基于 LiDAR 的单级别无锚点 3D 物体检测方法 --RangeDet。与以前的方法相比，最显著的区别是我们的方法基于范围视角表现，使用常用的像素或 Bird's Eye View (BEV) 表示方法相比，范围视角表述
PDF3 years ago
ECCV深度连续融合的多传感器三维物体检测
本文提出了一种新颖的三维物体检测器，利用雷达和摄像头实现非常精确的定位，设计了一种端到端可学习的架构，利用连续卷积在不同分辨率级别上融合图像和雷达特征图，其实现了对离散状态图像特征和连续几何信息的编码，从而能够基于多种传感器设计新颖，可靠且
PDF4 years ago
ECCV可变形 PV-RCNN: 利用学习形变改善三维物体检测
Deformable PV-RCNN 利用 2D deformable convolution networks 设计的 proposal refinement module 以及 context gating 机制，实现适应不同目标尺度和
PDF4 years ago
Voxel-FPN：在点云中多尺度体素特征聚合的三维物体检测
本研究提出了一种基于 LIDAR 传感器的一阶段 3D 目标检测器，该检测器在从点数据中提取特征上表现出更好的性能，并在 KITTI-3D 基准测试中表现优异，其速度和准确性在实际场景中具有实际应用价值。
PDF5 years ago