PV-RCNN

【论文解读】PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection

PV-RCNN摘要引言方法3DVoxelCNNforEfficientFeatureEncodingandProposalGenerationVoxel-to-keypointSceneEncodingviaVoxelSetAbstractionKeypoint-to-gridRoIFeatureAbstractionforProposalRefinement

我叫两万块·2024-01-23 07:31

LiDAR R-CNN: An Efficient and Universal 3D Object Detector

性能优于PV-RCNN和PointPillars好久没有看新的文章了，提醒自己每周都要有所进步，常常关注文章。

江江江江枫渔火·2024-01-04 14:45

[论文阅读]PV-RCNN++

Point-VoxelFeatureSetAbstractionWithLocalVectorRepresentationfor3DObjectDetection论文网址：PV-RCNN++论文代码：PV-RCNN++简读论文这篇论文提出了两个用于3D物体检测的新框架PV-RCNN

一朵小红花HH·2023-11-08 07:04

PV-RCNN++网络结构

论文：https://arxiv.org/pdf/2102.00463v1.pdf代码：https://github.com/open-mmlab/OpenPCDet1.介绍PV-RCNN-v2是基于PV-RCNN

jiangtao129·2023-10-25 14:06

服务器跑通PVRCNN

参考博客：PV-RCNN参数修改数据集格式以及文件目录：OpenPCDet├──data│├──kitti│││──ImageSets│││──training│││├──calib&velodyne&

qq_36675590·2023-10-25 14:32

论文解读 | 用于3D对象检测的PV-RCNN网络原创

原创|文BFT机器人01背景本文的背景涉及到3D物体检测，这是一个在自动驾驶和机器人等领域应用广泛的重要问题。在这些领域，LiDAR传感器被广泛用于捕捉3D场景信息，生成不规则且稀疏的点云数据。这些点云数据提供了理解和感知3D场景的关键信息。然而，由于点云数据的不规则性和稀疏性，从中提取有用的特征并进行准确的物体检测是一项具有挑战性的任务。因此，本文提出了一种新颖的点-体积综合网络框架，旨在提高3

BFT白芙堂·2023-09-12 06:51

(CVPR 2020) PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection

Abstract我们提出了一种新颖的高性能3D目标检测框架，名为PointVoxel-RCNN(PV-RCNN)，用于从点云进行准确的3D目标检测。

fish小余儿·2023-01-12 22:49

PV-RCNN复现:spconv环境配置及遇到的问题

PV-RCNN复现:spconv环境配置及遇到的问题1.本机环境2.配置过程1.本机环境Ubuntu20.04Cuda10.0（后面又换了Cuda10.2）python3.7.10pytorch1.6.0gcc7.5.02

每天都不想学习的Cora·2022-12-28 17:41

用pcdet跑deecamp20_liadr3-1

具体工程地址：deecamp20-3-1-lidar_det_pcdet目前尝试过的内容：在不满足速度的前提下，有：使用PV-RCNN(CVPR20)做两阶段的实验在openpcdet上采用gt增广的second

Little_sky_jty·2022-12-25 03:26

跑通PCDet上的那些坑——复现second PV-RCNN pointpillar

1.配环境1.1安装显卡驱动、安装cuda、安装cudnn、卸载cuda需要有显卡才能装驱动。驱动是装在显卡上。装了驱动才能装cuda，装了cuda才能装cudnn。驱动安装：针对Ubuntu用户，直接在“系统设置”-->“软件更新”-->"附加驱动"中安装就好了，很省事的。建议驱动版本选择高一点的，以防后面你要cuda安装：请大家移步相关博客。注意：一定下载runfile文件，按照指示安装就好了

hughlee815·2022-12-25 03:18

[3D检测系列-PV-RCNN] PV-RCNN论文详解、PV-RCNN代码复现、包含官网PV-RCNN预训练权重及报错问题

[3D检测系列-PV-RCNN]PV-RCNN论文详解、PV-RCNN代码复现一、论文详解1、3DvoxelCNN2、体素到关键点场景编码2.1、关键点抽样2.2、体素抽象3、VSA模块(体素集抽象模块

Callme_TeacherPi℡·2022-12-17 10:06

A Survey of Robust LiDAR-based 3D Object Detection Methods for Autonomous Driving（激光雷达3D目标检测方法）论文笔记

A.结构结构上可分为单阶段检测（PointPillars，3DSSD，SA-SSD，CIA-SSD和SE-SSD）和两阶段检测（PV-RCNN，PV-RCNN++和CenterPoint）。

byzy·2022-12-12 14:31

论文阅读笔记 | 三维目标检测——PV-RCNN算法

2.1FeatureEncoderandProposalGeneration2.2voxel-to-keypointsceneencoding2.3Keypoint-to-gridRoIFeatureAbstraction3.实验部分paper：《PV-RCNN

Clichong·2022-12-09 15:43

PV-RCNN++网络结构和代码解析

1、前言这篇文章废话不多说了，主要史帅基于PV-RCNN上面进行的改进，本文不会从头构建网络并进行解析，对于PV-RCNN不了解的小伙伴可以先去看我之前的文章。

NNNNNathan·2022-12-03 08:57

ubuntu 18.04 OpenPCDet pointpillar v0.5.2 环境搭建与问题解决

参考：PV-RCNN安装和环境配置linkconda创建/删除/重命名环境linkPointPillars与PointRCNN编译运行以及结果可视化（小白探索之路，清晰易懂）linkOpenpcdet-

爱学习的小道长·2022-11-26 14:21

一文读懂PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection

为了致敬*一文读懂FasterRCNN*，本文取名如此。希望能帮助大家以轻松的姿态理解这一霸榜kitti大半年的3D目标检测算法。0.立论依据按照点云的前处理方法划分，通常3D目标检测可以分为基于体素和基于点的方法。文中提到二者有其各自的特点：基于体素的方法能有效地进行regionproposal，但是感受野受到卷积核大小的限制。而基于点的方法恰好能够获得灵活的感受野，更捕获更精确的上下文信息。（

hughlee815·2022-11-26 10:27

3D物体检测(二)

这一部分主要总结一下报告主要的三个论文:PointRCNN、Part-A^2、PV-RCNN想看更多相关博客，欢迎浏览我的个人博客，里

Harrylin、·2022-11-22 10:45

OpenPCDet docker镜像分享

在本机显示图形界面2.4进入容器测试2.4.1进入容器2.4.2测试界面显示功能2.4.3运行demo程序OpenPCDet项目是一个开源的点云目标检测框架，目前支持包括PointPillar、PointRCNN、PV-RCNN

水电费嘎嘎·2022-11-19 08:33

【段错误（核心已转储）——运行PV-RCNN代码 python demo.py】

段错误（核心已转储）——运行PV-RCNN代码pythondemo.py：废话不多说，直接写问题问题描述：在跑pvrcnndemo时候的——段错误（核心已转储）(pcdet)auto@auto-System-Product-Name

fyc300·2022-11-19 04:29

PV-RCNN论文翻译

PV-RCNN:Point-VoxelFeatureSetAbstractionfor3DObjectDetectionAbstract1.Introduction2.RelatedWork3.PV-RCNNforPointCloudObjectDetection3.1.3DVoxelCNNforEfficientFeatureEncodingandProposalGeneration3.2

jiangtao129·2022-03-17 07:35

论文解读：PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection

PV-RCNN:Point-VoxelFeatureSetAbstractionfor3DObjectDetection目录PV-RCNN:Point-VoxelFeatureSetAbstractionfor3DObjectDetectionAbstraction

FUTUREEEEEE·2022-03-17 07:33

PV-RCNN的推理实现和LOSS计算（三）

前面已经完成了PV-RCNN网络的搭建和第一、第二阶段中关键点分割的label匹配，anchor与GT匹配、proposal与GT的targetassignment，想了解的小伙伴可以我之前的博文第一阶段

NNNNNathan·2022-03-17 07:03

PV-RCNN论文和逐代码解析（二）

第一阶段：1、MeanVFE（voxel特征编码）2、VoxelBackBone8x（3DCNN提取voxel特征）3、HeightCompression（高度方向Z轴堆叠）5、BaseBEVBackbone（SECOND中的RPN层）6、AnchorHeadSingle（anchor分类和回归头）4、VoxelSetAbstraction（VSA模块，对不同voxel特征层完成SA）第二阶段：7

NNNNNathan·2022-03-15 07:29

【代码阅读】Sparse Convolution代码理解

VoxelBackBone8xspconvSparseTensorSubMConv3dget_indice_pairsindice_subm_convGEMMSparseConvolution成功用于3D目标检测的网络，例如Second，Part-A^2，PV-RCNN

麒麒哈尔·2022-03-12 07:35

PV-RCNN代码解读——train & test

PV-RCNN：paper，code1.train在tools/train.py中找到以下表示开始训练的代码#-----------------------starttraining----------

蓝鲸鱼BlueWhale·2022-03-12 07:31

PV-RCNN论文和逐代码解析（一）

1、前言当前的点云3D检测主要分为两大类，第一类为grid-based的方法，第二类为point-based的方法。grid-based的方法将不规则的点云数据转换成规则的3Dvoxels（VoxelNet，SECOND,FastPointRCNN，PartA^2Net）或者转化成2D的BEV特征图（PIXOR,HDNet，PointPillars），这种方法可以将不规则的数据转换后使用3D或者2

NNNNNathan·2022-03-12 07:51

三维目标检测

原文：原文英文参考1、PV-RCNN首先讲解一下Grid-based和Point-based的方法的优缺点：一般来说，基于网格的方法计算效率更高，但不可避免的信息丢失会降低细粒度定位精度；而基于点的方法计算成本更高

Tc.小浩·2021-05-30 18:04

CVPR2020 | 3D目标检测点云检测新网络 PV-RCNN

点击上方“AI算法修炼营”，选择“星标”公众号精选作品，第一时间送达简介今天这一篇是19年12月30日放到arxiv上的，其实在CVPR2020截止后就一直在关注在关注的一篇文章，毕竟在KITTI的3D检测上高居榜首，并且远远的超过了第二名。如下：是很有必要研读一下，这篇文章出自港中文和商汤的工作。论文地址：https://arxiv.org/pdf/1912.13192.pdf代码地址：http

AI算法修炼营·2020-09-14 23:06

PV-RCNN代码解读——TP，FP，TN，FN的计算

PV-RCNN：paper，code配套实践篇：PV-RCNN代码测试——TP，FP，TN，FN的计算（一）PV-RCNN代码测试——TP，FP，TN，FN的计算（二）（一）目标检测模型评估的简介后面的代码中涉及到目标检测中几个重要的定义

蓝鲸鱼BlueWhale·2020-08-20 19:03

PV-RCNN代码解读——eval.py

PV-RCNN：paper，code（一）目标检测模型评估的简介训练完数据并且测试最后一个epoch之后，log的结果[email protected],0.70,0.70:bboxAP:89.6559,83.1009,78.4558bevAP

蓝鲸鱼BlueWhale·2020-08-19 22:01

小白科研笔记：简析PointRCNN的基于Bin的误差机制

目前位居KITTI目标检测榜首的是PV-RCNN。这个算法的前身就是PointRCNN。它们的作者都是同一个人。考虑到PV-RCNN算法有些复杂，于是我想先从PointRCNN着手。

Niuip·2020-08-13 17:42

3D点云学习：SECOND目标检测①论文阅读

论文:论文链接.源码:源码链接.由于本来是准备研究PV-RCNN网络的，可是发现源码还没有开源。

themasterbi·2020-08-13 10:19

PV-RCNN代码应用——参数修改

PV-RCNN：paper，codePV-RCNN代码解读——数据处理1.修改kitti_dataset.yaml打开tools/cfgs/dataset_configs/kitti_dataset.yaml

蓝鲸鱼BlueWhale·2020-08-11 16:11

PV-RCNN环境配置

PV-RCNN：paper，code本机配置环境为Ubuntu16.04，需要配置的内容有：anacondacudapytorchcmakespconvpcdet如某些部分已安装，可自行跳过（一）anaconda1

蓝鲸鱼BlueWhale·2020-08-06 20:54

PV-RCNN代码解读——输入参数介绍

PV-RCNN：paper，code在上图中，本文所讲述的是左侧Data部分，也即传入foward函数之前的data处理部分，以方便如何使用该论文的方法应用于自己的数据。

蓝鲸鱼BlueWhale·2020-08-03 18:24

PV-RCNN代码解读——demo.py & test.py

PV-RCNN：paper，codedemo.py和test.py都是在训练好数据之后用来检验模型的文件，主要区别在于demo.py只测试一张图片，test.py测试很多张demo.py输出可视化图像，

蓝鲸鱼BlueWhale·2020-07-30 21:07

【论文速览】PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection

摘要提出了一种新的高性能的三维目标检测框架：PointVoxel-RCNN（PV-RCNN），用于从点云中精确检测三维目标。

冯子材·2020-07-13 14:00

CVPR2020论文解读：3D Object Detection三维目标检测

CVPR2020论文解读：3DObjectDetection三维目标检测PV-RCNN:Point-VoxelFeatureSetAbstractionfor3DObjectDetection论文链接：

wujianming_110117·2020-06-29 21:38

【论文阅读】【点云处理】Point-Voxel CNN for Efficient 3D Deep Learning

文章目录PVCNNVoxel-basedMethod的缺点Point-basedMethod的缺点PV-Conv实验思考从Point-based的角度理解从Voxel-based的角度理解与PV-RCNN

麒麒哈尔·2020-06-29 20:03

【论文阅读】【三维目标检测】PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection

文章目录PV-RCNNRPNBackbone:3DSparseConvolutionClassification&RegressionHeadVoxelSetAbastractionModule（VSA）DiscussionVSAModulePKWModule（PredictedKeypointWeighting）RCNNExperiments思考本论文目前是KITTI排名第一，香港中文大学和商汤