LiDAR

3D目标检测——最新多模态融合算法综述

激光雷达lidar+相机camera融合的算法综述纵观各大榜单KITTI，nuScenes等，lidar+camera等多种方法慢慢向榜单前面移动，精度的不断提升也说明了当前多模态融合有了一定喜人的进步
Jeremy Cui·2022-11-27 16:34

自动驾驶感知算法实战12——BEV 基于图像/Lidar/多模态数据的3D检测与分割任务

自动驾驶感知算法实战专栏：https://blog.csdn.net/charmve/category_12097938.html目录基本概念背景BEV优势基本方案输入输出参考结构数据集评价指标损失函数关键技术案例分析BEVFormer介绍BEVFormer方案动机实验效果相关工作下一步工作更多内容和阅读基本概念1PV（Perspe
Charmve·2022-11-27 15:58

激光雷达（LiDAR）| Open3D：第三节 邻近搜索之圆柱搜索

本节基于Open3D实现圆柱搜索：基于KDTree中的RNN半径邻近搜索实现在某个方向上的圆柱搜索，可识别出简单圆柱形物体。1.算法过程首先，读取点云，实现在垂直方向上的半径邻近搜索预处理，建立KDTree结构实现圆柱搜索，结果可视化。1.1加载数据#加载包importopen3daso3dimportnumpyasnp#读取点云pcd=o3d.io.read_point_cloud("./tre
地理空间科学·2022-11-27 10:10

激光雷达（LiDAR）| Open3D：第一节 点云数据的读取与可视化

本节将介绍采用Python语言的点云处理技术-Open3D开源库：支持点云的读写、可视化、重建和配准等处理、3D机器学习等Open3D第一节核心功能如下：3Ddatastructures3DdataprocessingalgorithmsScenereconstructionSurfacealignment3DvisualizationPhysicallybasedrendering(PBR)3D
地理空间科学·2022-11-27 10:40

激光雷达（LiDAR）| Open3D：第二节 邻近搜索之构建KDTree

本节将介绍Open3D开源库：KDTree的原理及构建，将无序点云变为有序点云，实现点云的快速邻近搜索。1.KDTree概述Open3D使用FLANN构建KDTrees，将无序点云变为有序点云，以便快速检索最近邻。在激光雷达中，一般使用的是三维点云。所以，kd-tree的维度是3。KDTree（k维树）是一种空间分区数据结构，它将一组k维点存储在树结构中，从而实现高效的范围搜索和最近邻搜索。最近邻
地理空间科学·2022-11-27 10:40

SECOND笔记

流程：体素特征提取——稀疏卷积中间层——RPN2.贡献1）在仅基于LiDAR的目标检测方法中应用稀疏卷积，增加了训练和推理速度。
�UNICORN·2022-11-27 10:08

激光雷达学习

LIDAR市场分析1.自动驾驶市场1.1全球自动驾驶市场技术成熟度方面Waymo目前是处于领先的地位，中国的自动驾驶公司在技术和发展来看都有比较大差距，分析报告参考Waymo案例分析。
weixin_51184047·2022-11-27 03:40

Python实现激光雷达点云的向图像的重投影（世界坐标转换为像素坐标 + Autoware标定结果使用方法）- - 附源码 * 更新版 - -

二.使用Autoware获取自己的LiDAR&Camera校准结果这里不加赘述，详细步骤可参考以下博文：无人驾驶汽车系统入门（二十二）——使用Autoware实践激光雷达
Demo_xxx·2022-11-27 03:37

实时车载激光雷达感知的点云深度学习

又来卷这个了，此次调查了神经网络中使用的计算表示与其性能特征之间的关系，提出了现代深度神经网络中用于3D点云处理的LiDAR点云表示的新计算分类法。
tt姐whaosoft·2022-11-27 03:26

Autoware与LGSVL连接_时钟同步问题

在应用Autoware欧式聚类模块lidar_euclidean_cluster_detect中，若将聚类点云簇输出到与velodyne静态相连的其他坐标系（如base_link）时没
Double lee·2022-11-27 02:46

基于ROS与LGSVL的自动驾驶仿真开发教程

目录前言一、ego车辆配置1.传感器类型1.1ColorCamera1.2LiDAR1.3GPS1.4IMU1.5LGSVLControl1.6KeyboardControl1.7DepthCamera1.8SegmentationCamera1.9Radar1.103DGroundTruth1.11Lane-lineSensor2
wangpenghnu·2022-11-27 02:29

CVPR2022-TransFusion: Robust LiDAR-Camera Fusion for 3D Object Detection with Transformers

PS:–转载自我的知乎关键词：CVPR2022,LiDAR-camera,Transformer文章地址：arxiv代码地址：github文章贡献（1）研究了激光雷达-相机融合的固有难点，并揭示了robust
zyrant丶·2022-11-26 22:25

DeepFusion: Lidar-Camera Deep Fusion for Multi-Modal 3D Object Detection 论文笔记

原文链接：https://arxiv.org/pdf/2203.08195.pdf1.引言目前的方法主要基于两种融合方式：早期融合（融合数据）和中期融合（融合特征）。但是，由于数据增广通常是针对单一模态的；且一个点云体素可能对应多个图像像素，这些像素特征不是对3D检测同等重要的。因此，寻找图像和点云之间的特征对应关系是一个挑战。本文提出InverseAug和LearnableAlign进行有效的中
byzy·2022-11-26 22:25

阅读笔记：CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection

1.想要解决的问题利用LiDAR进行三维目标检测和利用视频进行二维目标检测的神经网络都取得了显著进展。但是二者融合还是比较困难的，所以本文提出一种新的摄像机-lidar对象候选(CLOCs)融合网络。
易冷cheng·2022-11-26 22:54

论文笔记：CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection

在3D目标检测领域，目前的fusion普遍都是deepfusion，效果不如只基于lidar的方法。本文选择使用之前不常用的latefusion。2.他们怎么做这个研究（方法，尤其是与之前不同之处）?
bryant forever·2022-11-26 22:53

【论文阅读】【多传感器融合】TransFusion: Robust LiDAR-Camera Fusion for 3D Object Detection with Transformers

论文标题：TransFusion:RobustLiDAR-CameraFusionfor3DObjectDetectionwithTransformersCVPR2022现存的Lidar-Camera融合的方法
Lukas88664·2022-11-26 22:53

CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection（论文阅读笔记）

CLOCs:Camera-LiDARObjectCandidatesFusionfor3DObjectDetection（论文阅读笔记）通用化和模块化、概率驱动的融合学习、实时性和硬件资源占用、优异的检测性能一、重点内容提取提出了一种通用的相机和激光雷达后融合方法，在Non-MaximumSuppression(NMS)之前对2D平面候选框和3D立体候选框初选结果采用卷积核的形式进行特征提取与自学
董*飞飞·2022-11-26 22:53

论文阅读《YOLO3D: End-to-end real-time 3D Oriented Object Bounding Box Detection from LiDAR Point Cloud》

论文地址：https://arxiv.org/abs/1808.02350v1目录Abstract1Introduction2RelatedWork2.13DObjectDetection2.2OrientationPrediction2.3RealTimePerformance3Approach3.1PointCloudRepresentation3.2YawAngleRegression偏航角
Max_ZhangJF·2022-11-26 22:22

End-to-End Multi-View Fusion for 3D Object Detection in Lidar Point Clouds论文笔记

End-to-EndMulti-ViewFusionfor3DObjectDetectioninLidarPointClouds谷歌2019先验知识：1).在鸟瞰图BEV中，物体保持其规范的三维形状信息，并自然可分离，而透视图的缺点是对象的形状不是距离不变的。2).VoxelNet的体素化被称为硬体素化（hardvoxelization，HV），因为一个体素可能被分配了比它的固定点容量T所允许的更
Rolandxxx·2022-11-26 22:22

CL3D: Camera-LiDAR 3D Object Detection With Point Feature Enhancement and Point-Guided Fusion 阅读笔记

IEEETransactionsonIntelligentTransportationSystems智能交通系统领域top期刊一区IF=9.55摘要Camera-LiDAR三维目标检测由于其在许多现实应用中的重要意义而被广泛研究
weixin_48493664·2022-11-26 22:22

TransFusion-Robust LiDAR-Camera Fusion for 3D Object Detection with Transformers

不忙的时候，阅读论文、调研文献。这篇是2022CVPR、3D检测，采用激光雷达和图像相结合的算法。使用Transformer实现多模态融合。在自动驾驶领域中，感知、识别、检测车辆周围障碍物有多种方案，有仅基于视觉的、有仅基于激光雷达的，还有基于多传感器融合的。TransFusion采用了多传感器融合的方案，以软关联(soft-association)的方式提高了鲁棒性。由于视觉技术十分成熟，用来实
笨小lg子亥·2022-11-26 21:12

slam定位学习笔记(一)

接收模块：具体包括bag包中的GNSS信息、IMU信息、LIDAR点云信息和各传感器之间的标定信息。发送模块：发送当前帧的点云、全局地图、局部地图、里程计信息还有运动轨迹。
hex_refugeeeee·2022-11-26 18:13

OPPO，轻舟智行，上海AI LAB自动驾驶3D检测组面经

上海AILAB【半小时】对于lidar-based的解决方案怎么看对于环视感知的解决方案怎么看为什么lidar-based的解决方案效果由于image-based的解决方案剩下的就是闲聊是不是高考失利导师放不放职业规划是什么你眼中的科研等级
加油11dd23·2022-11-26 15:20

论文阅读：PMF基于视觉感知的多传感器融合点云语义分割Perception-Aware Multi-Sensor Fusion for 3D LiDAR Semantic Segmentation

题目：Perception-AwareMulti-SensorFusionfor3DLiDARSemanticSegmentation中文：用于3DLiDAR语义分割的多传感器感知融合来源：ICCV2021链接：https://arxiv.org/abs/2106.15277v2个人觉得有用的和自己理解加粗和（）内表示，尽量翻译的比较全，有一些官方话就没有翻译了，一些疑惑的地方欢迎大家探讨。[]内
shiyueyueya·2022-11-26 15:03

激光雷达点云语义分割论文阅读小结

3D点云的获取方式点云可以通过四种主要技术获得：根据图像衍生而得，如通过双目相机基于光探测距离和测距系统，如LiDAR基于R
Polaris_T·2022-11-26 10:33

【优秀论文解读】BoW3D: Bag of Words for Real-time Loop Closing in 3D LiDAR SLAM

论文简介本论文新颖性在于3D激光雷达中实时闭环且能够实时进行回环矫正词袋模型为BoW3D实时构建词袋效率高但是鲁棒性未知词袋存储word包含两种变量：Dim_value为描述子计算得到的非零数和Dim_ID为word相对应的维度数具体的计算可以查看论文：Link3d关键点的计算PlaceSet为一张图片中的word集合包含两种变量：FrameID为第几帧和DesID为一帧画面中的描述子的ID号、P
铃灵狗·2022-11-25 20:12

论文笔记 《FAST-LIO2: Fast Direct LiDAR-inertial Odometry》及 激光SLAM综述

本篇为FAST-LIO2的论文阅读笔记，并基于该论文以及其他几篇总结激光SLAM发展现状。声明：图片大多来自原论文，带logo非我本意，自CSDN某次升级后，便不会去logo了……若有知道现在如何去掉的朋友感谢您在评论区告诉我！！！FAST-LIO2代码链接ikd_Tree文章目录一、摘要和引言二、相关工作三、系统框架四、状态估计4.1运动学模型4.1.1状态转移模型4.1.2测量模型4.2IKF
昼行plus·2022-11-25 20:23

Livox LiDAR点云数据类型的转化——livox_ros_driver/CustomMsg到sensor_msgs/PointCloud2

在做Lidar与IMU数据之间的标定时，出现了数据无法读取的问题主要是代码里读取lidar数据是需要下面的语句//addlidarmsgsensor_msgs::PointCloud2ConstPtrlidar_msg
Laney_Midory·2022-11-25 20:39

Lidar和IMU(INS)外参标定----常用开源项目总结

写在前面：博主主要关注的是自动驾驶中Lidar和RTK组合导航设备的标定，大部分的开源项目都把其转化为Lidar和IMU的标定过程。
阿川_Lidar·2022-11-25 18:59

lidar/imu组合slam相关文章

1.越野环境中紧密耦合的LIDAR-IMUSLAMIEEEInternationalConferenceonVehicularElectronicsandSafety(ICVES)--2019本文提出了一种紧密耦合的
weixin_44724806·2022-11-25 18:57

多传感融合内外参标定：lidar-imu外参标定工具lidar_align

由于上述技术都不可避免地涉及在欧式空间定位这一基本感知问题，本系列涉及的传感器就包括了惯性位姿传感器imu/gps/ins、测地激光雷达lidar、摄像机camera等等传感器，会介绍一些标定各传感器内外参数的工具
龙啸wyh·2022-11-25 18:55

激光雷达Lidar和RTK的标定1----录制RTK和Lidar bag包以及数据预处理

录制RTK和Lidarbag包以及数据预处理开个新坑，lidar和RTK的标定一直是机器人和自动驾驶中的一个重要问题，由于直接测量很难获得准确的RTK和雷达之间的位姿关系，这里我们探索下如何在matlab
loricon_test·2022-11-25 18:23

GPS & Lidar & IMU 融合定位与建图_理论学习1

Localization&Mapping参考：博文：Lidar数据处理-[ADS]GPS定位定位技术分类：GPS绝对定位，相对定位，融合定位问题：传统的GPS定位精度只有3-7米,我国城市主干道单一车道宽一般是
chepwavege·2022-11-25 18:22

openCalib中Lidar和IMU(INS)标定--论文解读

文章目录AnExtrinsicCalibrationMethodofa3D-LiDARandaPoseSensorforAutonomousDriving自动驾驶三维激光雷达与姿态传感器的外参标定方法摘要1.引言2.相关工作3.方法理论A.问题抽象化B.粗标定C.精标定D.*Z*轴校正4.试验部分A.试验设置B.定性评价C.定量评价D.对比试验5.总结写在后面AnExtrinsicCalibrat
阿川_Lidar·2022-11-25 18:21

基于SLAM的无人机LiDAR观察演进的沿海沙丘地貌变化

随着机载LiDAR成本的下降，使用量有所增加。无人机LiDAR不仅限于DSM的开发，而是能够“穿透”沙丘植被以开发精确的DTM，并促进相对于推动地貌变化的局部过程更直接地测量沙丘结构。
飞思实验室·2022-11-25 17:07

基于三维激光点云的BIM竣工验收对比检测分析工程质量控制墙体平整度检测地面平整度检测结构安装精度检测点云模型与BIM模型对比分析幕墙施工质量检测桥梁BIM检测机电设备安装BIM工程质量控制与检测

BIM竣工验收工程质量控制LiDAR三维激光扫描技更多信息公众号：三维激光扫描技术及应用大家好本期视频为大家介绍BIM对比分析如当前视图所看到的这样一个场景就是在建筑施工的过程中对已经竣工或者是在施工过程中的现状的信息进行与
优案科技·2022-11-25 16:53

基于车载激光LiDAR点云数据高效自动化提取电气化铁路既有线轨道及轨道中心线接触网铁路横断面地表三维模型DEM适用于地铁轨道交通数字孪生三维建模改扩建BIM规划设计适用于无人机机载LiDAR倾斜摄影

实景三维LiDAR/倾斜摄影点云为铁路轨道交通建设提供生产力更多相关信息公众号：Laser_Scanning这段视频内容给大家介绍一下如何进行点云数据的成果提取现在我们看到的这组数据是一段电气化铁路其中有轨道和周边的地形有接触网杆以及接触网首先看一下如何自动化高效率的提取轨道的信息现在我们看到的这个位置是俯视图这个位置是场景中顶端的这个位置的俯视我们在这儿截取了其中的一段截取呢比较容易可以获得我们
优案科技·2022-11-25 16:53

你知道三维激光LiDAR点云数据的反射强度Intensity反射率都有哪些超赞的用途吗？

LiDAR点云数据中所包含的反射强度（Intensity）信息常见的取值范围有0~255和0~65535两种类型。不同的数值用于记录不同的反射强度信息。
优案科技·2022-11-25 16:53

LiDAR点云显示——你可能还不知道的小秘密

LiDAR点云数据除了可以用三维坐标来表达空间位置信息外，还常常含有颜色及反射强度信息，关于反射强度信息的常见作用，我们可以再回顾一下：1、在点云数据无RGB色彩信息的情况下为点云数据浏览提供如黑白照片一样的可视化效果
优案科技·2022-11-25 16:22

Veesus Arena4D丨让你的点云飞起来吧！

如果您的数据来源于三维激光扫描，车载移动扫描，机载LiDAR，摄影测量，无人机倾斜摄影测量，全景拍照等采集方式。
优案科技·2022-11-25 16:22

交通数字孪生高速公路规划设计市政道路BIM正向改扩建设计利用实景三维无人机机载LiDAR倾斜摄影车载地面三维激光扫描仪LiDAR点云数据提取自动驾驶高精地图三维矢量车道标线3d点云标注

实景三维数据价值挖掘实操系列1-道路车道标线高效自动化三维提本系列视频的第一部分标线提取这段路大概有1.5km的长度我们来看一下标线提取的效果如何首先我们通过反射强度将道路标线的点云数据单独分离出来分离完成之后即可得到整个道路的标线的基本的数据内容当然在标线的周边会存在一些噪声数据这些噪声数据有可能会在提取标线过程中影响提取结果噪声也可以通过自动化过滤的方式进行滤除比如说我们取样当前位置在方块里边
优案科技·2022-11-25 16:22

测绘成果质量检查之LiDAR点云数据拼接与匹配精度检查

LiDAR点云数据存在误差是一件很正常的事情，误差来源是多元化的，误差是客观存在的。
优案科技·2022-11-25 16:22

无人机机载LiDAR数据应用之电力线路巡检

机载LiDAR数据采集回来，大概是个什么样子？
优案科技·2022-11-25 16:51

TopoDOT线上讲座 | 如何解决实景三维LiDAR点云数据处理与应用难题？

适用范围：本场讲座非常适合关注三维激光扫描车、地面三维激光扫描仪、SLAM三维激光扫描仪、机载LiDAR、倾斜摄影等空间三维数据采集技术并期待发挥该项技术应有价值的朋友们，面向多种工
优案科技·2022-11-25 16:51

讲座视频 | 高精地图三维矢量元素自动化提取

本次讲座主要为大家介绍如何基于LiDAR三维激光点云数据，实现高精地图中多种类型三维矢量元素的自动化/半自动化提取。
优案科技·2022-11-25 16:21

一套功能强大的点云数据处理软件！

TopoDOT在LiDAR数据应用领域有着多年的实战经验，自2005年开始研发并投入应用以来，目前已有超过5000个许可被全球用户在实际项目中长期使用，尤其在测绘、交通、市政、电力、智慧城市、高精度地图等领域
优案科技·2022-11-25 16:50

TopoDOT |基于三维激光LiDAR点云数据自动提取三维矢量特征信息——道路表面标识符

在高速公路及城市道路表面，有着各式各样的交通标识符，如机动车转向箭头、指引文字、限速数字、自行车道图案、斑马线等等......而这些标识符在高精地图、新型基础测绘、交通规划设计等多种项目中均需要进行三维矢量化提取。对于大量重复出现的标识符，不仅其形态各异，这些标识在空间分布的形态还是三维的！光是绘制了平面形状还不够，在此基础上同时要关注它们在路面上所对应的准确高度信息，这为标识符的三维精确提取带来
优案科技·2022-11-25 16:20

如何让实景三维倾斜摄影机载LiDAR三维激光扫描车点云数据顺畅服务于高速公路市政道路BIM改扩建正向三维可视化设计？高效建立精准地表三维模型DEM，让勘测与设计专业更直接地完成三维设计工作。

让实景三维顺畅服务于高速公路市政道路BIM正向三维可视化设计更多相关信息公众号：三维激光扫描技术及应用大家好这段视频的录制是为了给大家提供一个实景三维数据能够顺畅应用的引导思路因为近几年经常会在行业内看到勘测和设计这两个专业之间总是不同程度地存在着难以填补的一些小空缺导致先进的实景三维技术迟迟没能良好的服务于这些专业领域专业之间的小空缺所指的是测绘人员拿到实景三维数据以后怎样才能够给设计人员提供合
优案科技·2022-11-25 15:16

BEV和Pseudo-Lidar

BEV反前视角映射IPM(Inverseperspectivemapping)该方式的先验是所有的生成的像素点都是在地平面上,摄像头的之间的精确的内/外参数一致.但是,实际应用中,IPM对外参精度要求较高,需要进行实时在线校准.BEVIPMOD(IV2019)的思路便是通过IMU数据实现外参的在线校准,从而得到更加精确的IPM图片,同时基于此进行物体检测,demo效果如下:yotube.正交特征变
废物罢了0m0·2022-11-25 13:57

《HDMapNet：An Online HD Map Construction and Evaluation Framework》论文笔记

参考代码：HDMapNet1.概述介绍：在这篇文章中提出一种生成向量化高精地图（verctorizedHDmap）的方案，通过如IMU、GPS、Lidar等传感器数据融合可以生成全局的高精度定位信息，对于局部的信息是通过相机和
m_buddy·2022-11-25 12:54
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他