lidar point cloud | BriefGPT

关键词lidar point cloud

搜索结果 - 19

3D 可学习超级令牌变压器用于激光雷达点云场景分割
3DLST 是一种新颖的 3D Transformer 框架，通过引入 DSO 块实现高效的令牌聚类和聚合，提出了高效的 CAU 块用于令牌重构，并采用 W-net 架构进行基于 Transformer 的特征学习，其在多个具有挑战性的 L
PDFa month ago
通过点辅助样本选择提升基于锚点的 LiDAR 3D 物体检测
基于 LiDAR 点云和先验锚点的 3D 物体检测是自动驾驶环境感知和理解的关键技术，然而现有方法中存在的一个被忽视的实际问题是基于盒子交并比（IoU_box）的训练样本分配中的歧义，这个问题阻碍了锚点为基础的 LiDAR 3D 物体检测器
PDF4 months ago
LiDAR 点云中的小物体追踪：学习目标感知原型和细粒度搜索区域
提出了一种基于 Siamese 网络的 LiDAR 点云中小目标跟踪方法，该方法通过目标感知原型挖掘模块和区域网格划分模块组成。通过学习特征空间中的原型，强调前景点的存在，以便在后续对小目标进行定位。同时，通过恢复搜索区域的细粒度特征，提高
PDF5 months ago
球面截锥稀疏卷积网络用于 LiDAR 点云语义分割
通过引入球体金字塔结构和基于哈希的表示，本文提出了一种新颖的 Spherical Frustum sparse Convolution Network (SFCNet) 方法，实现了 LiDAR 点云的语义分割，避免了量化信息损失。
PDF7 months ago
METAVerse: 元学习用于越野导航的遍历成本地图
METAVerse 是一个元学习框架，通过利用多环境驾驶数据训练一个全局模型，从稀疏的 LiDAR 点云中生成稠密连续值的成本地图来准确可靠地预测不同环境下的地形可通行性，结合模型预测控制器，实现了在结构化和未知地形上安全稳定的导航。
PDFa year ago
SUIT: 学习 3D 时间检测的重要性指导信息
本文提出了一种用于三维时间检测的有意义指导信息 (SUIT) 学习方法，它通过使用预测的物体质心来提取信息丰富但稀疏的特征，然后在稀疏特征之间学习物体中心转换，其在大规模 nuScenes 和 Waymo 数据集上具有良好的表现。
PDFa year ago
轻量级预测质量评估：基于激光雷达点云的目标检测
LidarMetaDetect (LMD) 是一种基于后处理的预测质量估算方案，可以在不更改基础模型的情况下，轻松地添加到任何预训练的 Lidar 物体检测器中，提高了真实预测与错误预测之间的统计可靠性，并且可以被用于发现像 KITTI 和
PDFa year ago
ECCVSuperLine3D：自监督 LiDAR 点云线段分割和描述
基于线特征的 LiDAR 点云点云配准方法通过 EdgeConv 标记线特征，并使用共享编码器层来训练两个分割和描述头，该方法在无初始变换输入的情况下验证了自己的有效性，对于各种计算机视觉任务具有广泛的应用价值。
PDF2 years ago
MM自动化重建荷兰全部 1000 万栋房屋的 LoD2 和 LoD1 模型
本文介绍了基于 2D 建筑多边形和 LiDAR 点云自动重建 3D 建筑模型的工作流程，该工作流程生成不同层次细节（LoDs）的模型，并监控数据质量以满足不同应用的数据需求。
PDF3 years ago
CVPRPanoptic-PolarNet：无需提议的 LiDAR 点云全景分割
提出了一种名为 Panoptic-PolarNet 的快速而强健的 LiDAR 点云全景分割框架，使用极坐标鸟瞰图表示进行语义分割和类无关实例聚类，以解决城市街景中实例的遮挡问题，实验结果表明 Panoptic-PolarNet 在 ben
PDF3 years ago
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。
PDF3 years ago
ECCVAB3DMOT：3D 多目标跟踪的基准和新的评估指标
本研究提出了一种简单实时的 3D 多目标跟踪系统，使用 3D Kalman 过滤器和匈牙利算法实现状态估计和数据关联，并提出了一种新的 3D MOT 评估工具以及三种新的评估指标。该方法在 KITTI 上表现出强大的 3D MOT 性能，并
PDF4 years ago
Point-GNN: 针对点云中 3D 物体检测的图神经网络
本研究提出了一种基于图神经网络的 LiDAR 点云对象检测方法，采用自动注册机制降低了平移方差，并结合盒子合并和计分运算从多个数据点准确地组合检测结果，在 KITTI 基准测试中，该方法仅使用点云即可实现领先的准确性，甚至胜过融合算法，这显
PDF4 years ago
3D 多目标跟踪：基线和新的评估指标
该论文提出了一个简单实时的 3D 多目标跟踪系统，使用 3D Kalman 滤波器和匈牙利算法进行状态估计和数据关联，并提出了新的 3D MOT 评估工具和新的评估指标，可在 KITTI 和 nuScenes 数据集上获得最先进的性能和最快
PDF5 years ago
从点到部件：基于部件感知与部件聚合网络的点云三维物体检测
本文提出了一种基于 LiDAR 点云的强大的 Part-$A^2$ net 三维物体检测框架，该框架包含两个阶段：part-aware 和 part-aggregation。Part-$A^2$ net 能够通过该框架在 KITTI 3D
PDF5 years ago
SqueezeSeg: 3D LiDAR 点云实时道路物体分割的卷积神经网络与循环条件随机场
本论文针对 3D 激光雷达点云的道路物体语义分割问题，提出了一种基于 CNN 和 CRF 的端到端方法 SqueezeSeg，通过将经过转换处理的点云作为输入，直接输出一个点输出标签图，并通过 CRF 进行细化，最后通过聚类算法得到实例级别
PDF7 years ago
一种基于图割的 3D 树木描绘方法，利用机载融合激光雷达和高光谱影像
通过使用图割方法和充分利用可用数据，开发了一种三维树木描绘方法，可以识别森林中的个体树木并获得精确的树冠特征数据。
PDF7 years ago
利用机载小型激光雷达点云垂直森林冠层分层技术，实现林下乔木的分割
本文提出了一种用于多层林分的树木分割方法，通过分层点云到冠层层和各层内的单个树冠的分段，然后应用于肯塔基州罗宾逊森林，结果表明该方法显著提高了检测底层树木的精度并适用于各种森林类型，并建议在获取更密集的 LiDAR 点云后进行改进。
PDF8 years ago
CVPR用于自动驾驶的多视角三维物体检测网络
该论文研究了自动驾驶场景下高精度的 3D 物体检测问题。其提出了 Multi-View 3D networks（MV3D）框架，该框架采用多传感器融合技术，将 LIDAR 点云和 RGB 图像作为输入，并预测有方向的 3D 界限框。实验表明
PDF8 years ago