Lidar 3D目标检测

object-3D目标检测算法调研（基于激光雷达、kitti数据集）

2018年07月09日 10:54:03 sum_nap 阅读数：3282

数据来源：kitti数据集及3d-object 竞赛
链接：http://www.cvlibs.net/datasets/kitti/eval_object.php?obj_benchmark=3d

前五名算法简介

截图：

• 1st：
  
  • 名称：VoxelNet++ - LiDAR Only
  • 输入数据：LIDAR（only）
  • 方法简介：only lidar data(3712 examples) is used. based on my unofficial voxelnet implementation with some improvements
  • 基础算法：vocelnet（with some improvement）
  • 开源代码：https://github.com/qianguih/voxelnet
  • 基础算法简介:
    
    • 网络结构：
    • 
    -
• 2ed:
  
  • 名称：MDC
  • 方法简介：maskrcnn + ensemble of pointnet
  • 输入数据：未说明
  • 基础算法：maskrcnn与pointnet结合
  • 开源代码：无
  • 基础算法简介：暂无
• 3rd:
  
  • 名称：Aggregate View Object Detection with Feature Pyramid Network [la] [AVOD-FPN]
  • 方法简介：AVOD+FPN
  • 输入数据：LIDAR+RGB
  • 开源代码：http://www.cvlibs.net/datasets/kitti/eval_object_detail.php?&result=acde8ce60e154289ada44ecd19697a0327876d1c
  • 论文地址：https://arxiv.org/pdf/1711.06396.pdf
  • 算法简介：
  • 
• 4th：
  
  • 名称：Frustum PointNets for 3D Object Detection from RGB-D Data [la] [F-PointNet]
  • 方法简介：
  • 输入数据：RGB-D
  • 开源模型：https://github.com/charlesq34/frustum-pointnets
  • 论文：http://stanford.edu/~rqi/frustum-pointnets/
  • 算法简介：-
• 5th：
  
  • 名称：MO3D
  • 算法简介：

非深度学习方法：

https://blog.csdn.net/FireMicrocosm/article/details/78059151