lidar point clouds | BriefGPT

关键词lidar point clouds

搜索结果 - 52

CENet：面向自动驾驶的简洁高效激光雷达语义分割
本文介绍了一种名为 CENet 的图像语义分割网络，采用卷积而非 MLP，精选的激活函数和多个辅助分割头来提高特征描述能力和降低计算时间复杂度，使用公开的基准测试 SemanticKITTI 和 SemanticPOSS 进行的实验表明，与
PDF2 years ago
CVPR手绘辅助的激光雷达语义分割
本研究提出使用涂鸦来注释 LiDAR 点云，并发布 ScribbleKITTI，这是第一个用于 LiDAR 语义分割的涂鸦注释数据集。此外，我们提出了一个流程来减少使用此类弱标注时出现的性能差距。我们的涂鸦注释和代码可在 github.co
PDF2 years ago
CVPR基于运动中心的三维点云单目标跟踪的范式：超越三维 Siamese 跟踪
本文提出了一种基于运动中心范例的两阶段跟踪方法 M^2-Track 来解决传统外观匹配法在 LiDAR 点云跟踪中的不足，并在 KITTI、NuScenes 和 Waymo Open Dataset 三个数据集上表现出显著的精度提升（分别为
PDF2 years ago
CPSeg：基于 3D LiDAR 点云的无聚类全景分割
提出了名为 CPSeg 的新型实时端到端全景分割网络，该网络采用共享编码器、双解码器和无聚类实例分割头，以动态支柱化前景点，通过学习嵌入来获得实例标签，并通过成对嵌入比较找到连接柱来转化传统的基于提案或聚类的实例分割为二元分割问题。在 Se
PDF3 years ago
Panoptic nuScenes：LiDAR 全图分割和跟踪的大规模基准测试
介绍了扩展了 nuScenes 数据集的大规模全景 nuScenes 基准数据集，以便对动态城市环境的全景场景理解方法进行研究和评估，同时提出了各种分割和跟踪任务的强基线方法，并提出了面向实例的新型 PAT 指标，解决了现有指标的局限性。
PDF3 years ago
ICCV自主驾驶中简单的三维多物体追踪探索
本研究提出了一种基于 SimTrack 的 3D 多目标跟踪系统，旨在简化手工制作的跟踪范例，通过使用端到端可训练的模型从原始点云中进行联合检测和跟踪，无需启发式匹配步骤，将跟踪对象的关联，新生对象的检测和死亡轨迹的消除集成为一个统一的模型
PDF3 years ago
ECCV基于激光雷达点云辅助的单目三维物体检测
通过使用粗略标签和无标签雷达点云伪标签，LPCG 可以在自动驾驶系统中显著降低标注成本或显著提高检测准确性，在 KITTI 基准测试和 Waymo 基准测试中都取得了很好的效果。
PDF3 years ago
ICCV通过对抗性轨迹扰动欺骗 LiDAR 感知
通过对无人车的轨迹进行微小干扰，恶意攻击者能够对深度学习网络中的运动补偿机制进行攻击，破坏无人车对安全关键物体的探测。多项实验表明，这种攻击手段不仅能够有效降低现有最优检测器的性能，而且还具有较强的通用性。
PDF3 years ago
CVPROctSqueeze: 基于八叉树结构的激光雷达熵编码模型
本论文提出了一种新颖的深度压缩算法，通过将 LiDAR 点云编码为八叉树，并设计一种以树结构为基础的条件熵模型，来减少点云数据的储存空间。实验证明该方法在保证重建质量的同时，将比特率降低了 10-20%，并在下游 3D 分割和检测任务中表现
PDF4 years ago
Object as Hotspots: 一种通过锚点解耦的热点触发三维物体检测方法
采用热点及其空间关系的方式，提出适用于稀疏数据的 3D 物体检测方法，并在 KITTI 3D 检测基准测试中获得第一名，以及在 NuScenes 3D 检测基准测试中取得了最新的性能。
PDF5 years ago
高效的鸟瞰视角三维孪生跟踪提议
本文提出一种使用 LIDAR 点云的 Bird Eye View 结构来实现车辆跟踪的方法，该方法结合使用高效的区域提议网络和 3D Siamese 网络来生成和筛选 3D 物体候选项，并且通过端到端训练的方法，使车辆跟踪的成功率和精度分别
PDF5 years ago
基于全卷积神经网络的 LIDAR 行驶路径生成
本研究使用全卷积神经网络，在 LIDAR 点云、GPS-IMU 信息和 Google 驾驶方向的帮助下生成驾驶路径，并通过测试获得了良好的性能，标志着该系统有望填补底层场景解析和行为反射方法之间的差距。
PDF7 years ago