BEV

【BEV】学习笔记之 DeformableDETR(原理+代码解析)

而DETR成功的transformer引入到目标检测任务中，也为后来的BEV的模型奠定了基础。
Rex久居·2023-01-17 08:21

KITTI & Waymo双SOTA！基于稠密体素多模态融合的3D目标检测

zhuanlan.zhihu.com/p/489021200点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【3D检测综述】获取最新基于点云/BEV
自动驾驶之心·2023-01-16 00:49

（五）无人驾驶入门——3D检测 基于激光雷达点云的检测算法

模型电脑合成基于激光雷达点云的检测算法基于激光雷达点云的检测算法：Pixe-Based基于像素Voxel-BasedTree-BasedPoint-BasedPixel-BasedMV3D在检测行人、自行车等小物体方面滞后，AVOD进行改进：只输入BEV
远在远方_hh·2023-01-14 00:44

自动驾驶BEV火了，再给它加点脑洞会靠谱吗？

总的来说，百度是弄了一个车路一体的BEV感知方案——叫UniBEV。做什么用？
HiEV·2023-01-12 11:09

Center-based 3D Object Detection and Tracking（基于中心的3D目标检测和跟踪 / CenterPoint）论文笔记

原文链接：https://arxiv.org/pdf/2006.11275.pdf1引言CenterPoint先使用基于激光雷达的主干网络如VoxelNet或PointPillars，压缩为BEV后，使用基于图像的关键点检测器寻找物体中心
byzy·2023-01-10 10:55

NeurIPS 2022 | FCOS-LiDAR：全卷积单阶段3D目标检测（沈春华团队）

编辑|CVer点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【3D目标检测】技术交流群后台回复【3D检测综述】获取最新基于点云/BEV/图像的3D检测综述！
自动驾驶之心·2023-01-10 07:39

点云BEV预处理的cuda代码实现

点云BEV投影cuda代码实现点云bev代码实现点云bev代码实现在做点云项目中，会用到常见的BEV方式，在部署中需要用c++去实现，下面对于点云bev预处理的cuda实现，贴出了详细代码。
ywfwyht·2023-01-10 07:07

百度语音+自动驾驶感知+深度学习平台技术解析

HIEV快讯（文/戒僧）本文将解析三部分技术内容，出自百度2023Create大会-技术开放日：•百度如何用“手机全双工语音交互”改善使用导航应用的体验•如何用“上帝视角”BEV技术提升汽车的自动驾驶能力
HiEV·2023-01-07 11:05

使用Transformer融合时空信息的自动驾驶感知框架

BEVFormer很荣幸参与到最近这波BEV感知的研究浪潮中，我们从开源社区中受益良多，也希望尽我们所能为社区做出我们自己的贡献，希望未来与社区一道共同构建更加安全可靠的自动驾驶感知系统。
OpenDriveLab·2023-01-07 11:15

[BEV] 学习笔记之Lift, Splat, Shoot

在开源的BEV模型中,可以追溯到2020年nvidia开源的Lift-Splat-Shoot这篇论文中，论文的核心是显示的估计图像的深度特征，并转化为BEV特征，作为BEV视角下的开山鼻祖，自然是要对原理以及代码进行阅读
Rex久居·2023-01-06 12:38

[BEV] 学习笔记之BEVFormer(一)

1、前言在BEV空间下进行视觉任务逐渐成为自动驾驶中的技术主流，为了搞懂如何在BEV下进行视觉任务，打算利用BEVFormer这个项目来理解其步骤,本文为BEVFormer的运行以及整体框架的梳理(源码看的有点乱了
Rex久居·2023-01-06 12:08

[BEV] 学习笔记之BEVFormer(二)

本人也是初学者，欢迎正在学习或者想学习BEV模型的朋友加入交流群一起讨论
Rex久居·2023-01-06 12:38

[BEV]学习笔记之BEVDepth（原理+代码）

文章目录1、前言2、模型简介3、代码解析4、总结1、前言继lift-splat-shoot之后，纯视觉BEV感知又有了新的进展，如旷视科技、华中理工和西安交大提出来的BEVDepth。
Rex久居·2023-01-06 12:25

【3D目标检测】Complex-YOLOv4测试及分析

Complex-yolo首先将点云数据转换到2d-bev图，然后在bev图上进行检测。
Jackilina_Stone·2023-01-06 07:57

BEV视觉3D感知算法梳理

1.基于BEV空间的自动驾驶感知任务最近，基于BEV空间下的感知任务已经涌现出了众多优秀算法，并在多个自动驾驶公开数据集（KITTI，Waymo，nuScenes）上取得了非常不错的成绩。
@BangBang·2023-01-04 18:53

纯视觉BEV再度突破！DETR4D：时序融合新思路（南洋理工最新）

点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【3D目标检测】技术交流群后台回复【3D检测综述】获取最新基于点云/BEV/图像的3D检测综述！
自动驾驶之心·2022-12-29 17:54

panoptic polarnet 笔记

我们在一个单一的推理网络中使用极鸟瞰视图(BEV)表示学习了语义分割和类别不可知的实例聚类，使我们能够规避城市街道
AIchiNiurou·2022-12-25 11:04

三十三.智能驾驶之多传感器融合技术: AVOD融合方法

AVOD（AggregateViewObjectDetection）和MV3D类似,是一种融合3维点云和相机RGB图像的三维目标检测算法.不同的是:MV3D中融合了相机RGB图像,点云BEV映射和FrontView
okgwf·2022-12-25 11:00

Lift, Splat, Shoot: Encoding Images from Arbitrary Camera Rigs by Implicitly Unprojecting to 3D

最近两年自动驾驶领域有很多在bev视角下做3D检测的工作，纯视觉的bev下检测一个难点就是深度信息的缺失，本篇论文中提供了可选的离散深度值，让2D像素寻找在3D世界中最合理的位置，取得了不错的效果。
杰读源码·2022-12-24 15:54

LSS-lift splat shoot论文与代码解读

目录序言论文代码总结序言最近开始学习多摄融合领域了，定义是输入为多个摄像机图像，获得多个视角的相机图像特征，通过相机内外参数进行特征映射到BEV视角，得到360°的视觉感知结果，今天分享的是经典论文LSS
超超爱AI·2022-12-24 15:53

极致炼丹 | 这些模型常用的Tips&Tricks你都知道吗？

zhuanlan.zhihu.com/p/592531559点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【3D目标检测】技术交流群后台回复【3D检测综述】获取最新基于点云/BEV
自动驾驶之心·2022-12-23 05:14

Lift-Splat-Shoot算法理解及代码中文注释

EncodingImagesfromArbitraryCameraRigsbyImplicitlyUnprojectingto3D完整代码中文注释：https://github.com/ZhouZijie-BIT/lift-splat-shoot-annotatedNVIDIA提出了一种多视角相机图像到3D空间BEV
Demon_zzj·2022-12-19 13:00

BEVSegFormer：任意摄像头配置的BEV语义分割方法demo

BEVSegFormer：任意摄像头配置的BEV语义分割方法分享一篇分割方向的近期新工作BEVSegFormer，文章作者是小汤在纽劢科技Nullmax实习期间的同事。
StrongerTang·2022-12-19 08:41

《A Simple Baseline for BEV Perception Without LiDAR》论文笔记

参考代码：bev_baselineprojectpage：ASimpleBaselineforBEVPerceptionWithoutLiDAR1.概述介绍：在这篇文章中提出了一种特别简单但效果不错的bev
m_buddy·2022-12-19 08:40

视觉BEV语义分割模型 Simple-BEV: What Really Matters for Multi-Sensor BEV Perception?

ASimpleBaselineforBEVPerceptionWithoutLiDAR本文介绍一篇简单的BEV语义分割模型，这篇文章出彩的是消融实验部分，分析了哪些因素对BEV语义分割影响比较大，此外还分析了如何更好使用
自动驾驶小学生·2022-12-19 07:59

BEVFormer-accelerate：基于 EasyCV 加速 BEVFormer

BEVFormer是一种纯视觉的自动驾驶感知算法，通过融合环视相机图像的空间和时序特征显式的生成具有强表征能力的BEV特征，并应用于下游3D检测、分割等任务，取得了SOTA的结果。
weixin_sjk6070·2022-12-17 19:00

BEVFormer-accelerate：基于 EasyCV 加速 BEVFormer

导言BEVFormer是一种纯视觉的自动驾驶感知算法，通过融合环视相机图像的空间和时序特征显式的生成具有强表征能力的BEV特征，并应用于下游3D检测、分割等任务，取得了SOTA的结果。
阿里云技术·2022-12-17 09:34

BEVFormer-accelerate：基于 EasyCV 加速 BEVFormer

导言BEVFormer是一种纯视觉的自动驾驶感知算法，通过融合环视相机图像的空间和时序特征显式的生成具有强表征能力的BEV特征，并应用于下游3D检测、分割等任务，取得了SOTA的结果。
阿里云云栖号·2022-12-17 08:04

BEVFormer-accelerate：基于 EasyCV 加速 BEVFormer

导言BEVFormer是一种纯视觉的自动驾驶感知算法，通过融合环视相机图像的空间和时序特征显式的生成具有强表征能力的BEV特征，并应用于下游3D检测、分割等任务，取得了SOTA的结果。
·2022-12-16 17:31

高精度语义地图构建的一点思考

点击进入—>3D视觉工坊学习交流群0.笔者个人体会高精度(High-Definition,HD)语义地图是目前自动驾驶领域的一个重要研究方向，近年随着Transformer和BEV的大火，很多大佬团队都开展了
3Ｄ视觉工坊·2022-12-15 22:46

Radar-LiDAR BEV融合！RaLiBEV：恶劣天气下3D检测的不二之选

点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【多传感器融合】技术交流群后台回复【RaLiBEV】获取解读论文！1摘要雷达是唯一能够在所有天气条件下以可承受的成本提供可靠感知能力的传感器，已被广泛作为现代高级驾驶员辅助系统（ADAS）和自动驾驶系统中相机和激光雷达的关键补充。最近最先进的研究表明，雷达和激光雷达的融合可以在恶劣天气（如雾）下实现鲁棒检测。然
自动驾驶之心·2022-12-15 16:00

BEV感知，是下一代自动驾驶感知算法风向吗？

1背景在现代自动驾驶任务中，决策规划模块依赖于多个感知、预测任务模块以提供充足的环境信息，其中感知任务不仅需要检测场景中的动态物体，还需要识别道路边界、人行横道、车道线、路标等静态元素。而预测任务需要系统能够推理其它动态物体的运动趋势，为决策提供信息依据，规划出道路从而避免碰撞。目前业界基于纯视觉的感知、预测算法研究通常仅针对上述流程中的单个子问题的image-view方案，如3D目标检测、语义地
·2022-12-15 12:16

基于 EasyCV 加速 BEVFormer

导言BEVFormer是一种纯视觉的自动驾驶感知算法，通过融合环视相机图像的空间和时序特征显式的生成具有强表征能力的BEV特征，并应用于下游3D检测、分割等任务，取得了SOTA的结果。
自橙一派·2022-12-15 06:30

[论文笔记]Multixnet Multiclass multistage multimodal motion prediction

bird’s-eyeview(BEV)
WensongChen·2022-12-15 01:52

BEVFormer-accelerate：基于EasyCV加速BEVFormer

作者：贺弘夕陌谦言临在导言BEVFormer是一种纯视觉的自动驾驶感知算法，通过融合环视相机图像的空间和时序特征显式的生成具有强表征能力的BEV特征，并应用于下游3D检测、分割等任务，取得了SOTA的结果
阿里云大数据AI技术·2022-12-14 15:26

BEVFormer-accelerate：基于EasyCV加速BEVFormer

作者：贺弘夕陌谦言临在导言BEVFormer是一种纯视觉的自动驾驶感知算法，通过融合环视相机图像的空间和时序特征显式的生成具有强表征能力的BEV特征，并应用于下游3D检测、分割等任务，取得了SOTA的结果
·2022-12-14 15:34

3D视觉感知新SOTA BEVFormer复现nuscenes数据集测试demo

0写在前面分享最近在BEV感知方面的工作，欢迎自动驾驶同行交流学习，助力自动驾驶早日落地。1.概述对于自动驾驶而言，BEV（鸟瞰图）下的目标检测是一项十分重要的任务。
码农打工人CV感知·2022-12-12 01:52

Transformer BEV perception

4.1-4.10日，花了约15个小时，入门了transformer和基于Transformer的BEVperception，记录一下分享给志同道合的人，以下是学习路径。一、Transformer原理李宏毅2021深度学习课程，看了3遍self-attention和Transformer的原理，勉强看懂。因为这里是用语音识别作为例子的，和图片应用还是有点不一样。DETR论文，官方代码。官方推理代码一
冰冻三尺go·2022-12-11 09:06

Transformer BEV 3D object detection

传统方案：利用2D模型在各自的相机视角获取3D检测结果。再通过后处理算法将各个视角的3D检测框投影到egoframe，融合到一起。这样的做法简单有效，但也有如下缺点：将多视角融合的步骤排除在模型学习之外，导致其难以检测相邻环视相机重叠部分中被截断的物体。难以实现与3D点云传感器（LiDAR）的数据级/特征级融合。
平丘月初·2022-12-10 18:48

论文速读：Homography Loss for Monocular 3D Object Detection

此外，还通过逆投影映射将BEV与图像视图相关联，并将2D检测结果用于指导BEV中的3D定位。为了达到这一目标，提出了单应损失，将2D和3D信息结合起来，并全局平衡相互之间的关系，以获得
是魏小白吗·2022-12-08 13:14

【三维目标检测】VoteNet（二）

传统基于anchor的三维目标检测方法会将三维点云投影到bev视图后采
Coding的叶子·2022-12-05 11:49

A Simple Baseline for BEV Perception Without LiDAR 论文笔记

原文链接：https://arxiv.org/pdf/2206.07959.pdf本文是针对BEV分割任务提出的。
byzy·2022-12-05 01:27

多相机BEV感知表达

1.BEVFormer1)按照BEVFormergithub的指导先后安装和编译mmdetection3d-0.17.1和BEVFormercondacreate-nBEVFormerpython=3.82)下载数据集nuScenes的脚本download_nuScenes_v1.0.sh:点击红框框中的亚洲下载链接，然后网页会开始下载，此时可以先取消，然后把复制下载链接，将下面脚本带""里面的下
Pancy93·2022-12-05 01:54

PointPillars：工业界大量部署落地的点云目标检测算法，精度与速度上实现SOTA！

即使仅仅使用了lidar数据，也在kitti上取得了3d和BEV视角上的SOTApipeline。
yufeng10090·2022-12-03 16:54

CFT：Multi-Camera Calibration Free BEV Representation for 3D Object Detection——论文笔记

参考代码：暂无1.概述介绍：在相机数据作为输入的BEV感知算法中很多是需要显式或是隐式使用相机内外参数的，但是相机的参数自标定之后并不是一直保持不变的，这就对依赖相机标定参数的算法带来了麻烦。
m_buddy·2022-12-02 18:58

BEV图像处理对自动驾驶系统的性能优化

原理是对于车身周围的整个环境的探测描述，以获得校正后的360度鸟瞰图BEV（BirdsEyeViews）图像。校正的BEV图像可被分割
智能交通技术·2022-12-02 15:53

双目摄像头 三维坐标 python_uNetXST：将多个车载摄像头转换为鸟瞰图语义分割图像...

作者：Longway来源：3D视觉工坊公众号链接：uNetXST：将多个车载摄像头转换为鸟瞰图语义分割图像项目地址：https://github.com/ika-rwth-aachen/Cam2BEV论文地址
weixin_39889544·2022-12-02 15:22

BEV常见的开源算法系列三 | BEV下的时序融合

BEV感知系列分享是整数智能推出的一个全新分享系列，在这个系列中，我们将介绍BEV感知相关的算法和数据集等内容。BEV感知系列主要分为以下几篇文章：BEV感知，是下一代自动驾驶感知算法风向吗？
整数智能AI研究院·2022-12-02 03:21

论文阅读：BEVSegFormer: Bird’s Eye View Semantic Segmentation FromArbitrary Camera Rigs

sEyeViewSemanticSegmentationFromArbitraryCameraRigs中文：BEVSegFormer基于任意相机的鸟瞰图语义分割原文：https://arxiv.org/abs/2203.04050v1来源：创业公司Nullmax2022.3关键点是：BEV
shiyueyueya·2022-12-01 23:53

聊一聊时序融合在BEV感知中的应用

作者|苹果姐编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/583682754https://zhuanlan.zhihu.com/p/586713719点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【多传感器融合】技术交流群后台回复【多传感器融合综述】获取图像/激光雷达/毫米波雷达融合综述等干货资料！在传统感知算法中,时序
自动驾驶之心·2022-12-01 20:24
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他