lidar | BriefGPT - AI 论文速递

关键词lidar

搜索结果 - 395

基于 LiDAR 引导的交叉注意力融合方法用于高光谱波段选择和图像分类
本文介绍了一种从变压器架构引入的交叉注意机制，用于根据 LiDAR 数据进行高光谱图像 (HSI) 波段的选择。通过将 LiDAR 数据用作 “查询” 以搜索和识别 HSI 中的 “关键”，选择与 LiDAR 最相关的波段，以显著减少冗余和
PDF3 months ago
APC2Mesh: 从遮挡的建筑外立面到完整的 3D 模型的连接
通过点云完整性补充方法整合点云数据和 3D 重建技术，提出 APC2Mesh 算法，用于建筑物的精确重构，实验证明 APC2Mesh 能够有效应对多种风格和复杂性的被遮挡建筑物点云数据的难题，为提高城市建筑数字模型的准确度和真实性提供了新途
PDF3 months ago
CVPRGeoAuxNet：面向多传感器点云的通用三维表示学习
使用几何 - 体素辅助学习的方法，通过提供对多传感器点云的附加解释，使得体素表示可以获取点级几何信息，并支持体素骨干在多传感器点云上更好的泛化能力。我们的方法在联合多传感器数据集上表现出色，超越了其他模型，并在每个单一数据集上与现有的专家方
PDF3 months ago
更好地呼唤 SAL：迈向 Lidar 中的任意物体分割学习
我们提出了一个名为 SAL（Segment Anything in Lidar）的方法，包括一个可文本提示的零样本模型用于在 Lidar 中分割和分类任何物体，以及一个无需手动监督的伪标签引擎用于模型训练。通过利用 2D 视觉基础模型生成免
PDF3 months ago
GraphBEV：面向多模态三维物体检测的鲁棒 BEV 特征对齐
本文提出了一种名为 Graph BEV 的稳健融合框架，通过解决 LiDAR 和相机 BEV 特征之间的不准确对齐问题，实现了最先进的性能，mAP 为 70.1％，超过了 BEV Fusion 1.6％，在存在不对齐噪声的条件下超过 BEV
PDF4 months ago
3DGS-ReLoc: 三维高斯点云绘制用于地图表示和视觉重定位
通过使用 3D 高斯平铺方法，结合 LiDAR 和相机数据，本研究提出了一种新颖的系统用于 3D 制图和视觉重定位，能够创造环境的准确且逼真的表示。通过利用 LiDAR 数据来初始化 3D 高斯平铺地图的训练，本系统构建了既详细又几何精确的
PDF4 months ago
RangeLDM：快速逼真的 LiDAR 点云生成
通过引入 RangeLDM，我们提出了一种快速生成高质量 LiDAR 点云的新方法，通过深度生成模型、变分自编码器和扩散模型来解决传统方法中的限制，从而在自动驾驶中获得稳健的表现和快速生成速度。
PDF4 months ago
CVPR利用 2D 边界框监督改善远距离 3D 物体检测
使用仅有的 2D 监督信息，我们提出了 LR3D 框架，通过学习远距离物体的深度估计，并使得基于相机的方法能够在 200 米以上的距离实现与完整 3D 监督相当的准确性。
PDF4 months ago
SLCF-Net: 基于 3D 循环 U-Net 的顺序式激光雷达 - 摄像机融合的语义场景补全
SLCF-Net 是一种新颖的方法，通过顺序融合 LiDAR 和相机数据来进行语义场景补全任务，从 RGB 图像序列和稀疏的 LiDAR 测量中联合估计场景中的缺失几何和语义信息，通过预训练的 2D U-Net 对图像进行语义分割，并从基于
PDF4 months ago
将事件融入 RGB 和 LiDAR：用于场景流的分层视觉动态融合
本论文提出了一种新的分层式视觉 - 运动融合框架用于场景流，通过将事件作为 RGB 和 LiDAR 之间的桥梁，探索同质化空间来融合跨模态的互补知识，从而逐步改善场景流。
PDF4 months ago
面对最坏情况的准备：一种基于学习的对抗攻击方法用于 ICP 算法的鲁棒性分析
该研究提出了一种通过基于深度学习的攻击评估迭代最近点（ICP）算法在激光雷达点云上的弹性的新方法。
PDF4 months ago
自动驾驶中的多目标跟踪与摄像头激光融合
本文提出了一种新颖的多模态多目标跟踪算法，用于自动驾驶汽车，该算法结合了相机和 LiDAR 数据。通过使用先进的 3D 物体检测器处理相机帧，以及使用经典的聚类技术处理 LiDAR 观察数据。该算法由三个步骤的联合过程、用于估计每个检测到的
PDF4 months ago
Point2Building：从航空 LiDAR 点云重建建筑物
基于学习的方法，从空中激光雷达点云中重构建筑物为 3D 多边形网格，通过引入生成模型来适应各种建筑形状和结构，通过直接从点云数据中学习，减少误差传播并提高重构的准确性，在苏黎世、柏林和塔林的空中激光雷达数据上进行实验证明了方法的良好泛化能力
PDF4 months ago
通过将 3D 点云与图像相结合进行树木计数
利用三维 LiDAR 测量和二维图像融合来实现准确统计树木数量，与其他算法比较，深度学习方法 FuseCountNet 能够提供更准确的结果。
PDF4 months ago
OccFusion: 一个简单有效的多传感器融合框架用于 3D 占用预测
该研究论文介绍了 OccFusion，一种直观高效的传感器融合框架，可用于预测三维占据情况。通过整合来自其他传感器（如激光雷达和环绕视图雷达）的特征，该框架提高了占据情况预测的准确性和稳健性，在 nuScenes 基准测试中取得了顶尖性能。
PDF4 months ago
基于深度学习的立体稠密匹配数据集转移评估
从 LiDAR 和图像直接生成地面实况视差图以产生大量且多样化的数据集，并通过 LiDAR 与图像间的配准细化方法来避免精度损失和处理遮挡，从而实现了在不同数据集中评估 11 种密集匹配方法，其中 GANet 在相同的训练和测试数据上表现最
PDF4 months ago
多重破损：一个用于三维物体检测的 LiDAR - 相机融合的多模式鲁棒性数据集和基准
通过评估多模态 3D 目标检测器在多种数据扰动下的稳健性，我们发现现有方法的鲁棒性与扰动类型和融合策略密切相关，为多模态设计选择提供了洞察。
PDF5 months ago
基于 CUDA 的稀疏卷积在 GPU 上的三维点云优化
近年来，深度学习方法的利用显著增加，尤其是卷积神经网络（CNNs），已成为涉及结构化网格数据的各个领域，如图片分析和处理中的主要方法。然而，在许多领域中，激光雷达和 3D 传感器的指数增长导致了对 3D 点云分析的增加需求。与照片不同，点云
PDF5 months ago
AYDIV: 可适应的基于集成上下文的视觉 Transformer 的三维物体检测
融合激光雷达和摄像头数据在自动驾驶系统中提高近距离物体检测的潜力，但由于激光雷达稀疏数据和摄像头高分辨率图像之间的对比度差异，融合在远距离检测上遇到困难，该研究引入 AYDIV 框架，通过全局上下文融合对齐变换器（GCFAT）、稀疏融合特征
PDF5 months ago
MF-MOS: 一种用于移动物体分割的动态模型
提出了一种新颖的以运动为重点的模型，利用残差图和视域图来实现 LiDAR 运动物体分割，取得了当前最先进的性能表现。
PDF5 months ago