pointpillars

【lidar】3D目标检测PointPillars：论文解读、代码解读、部署实现（2）

PointPillars部署：TensorRT推理实现，下载地址：添加链接描述PointPillars高度优化的点云目标检测网络PointPillars。
踟蹰横渡口,彳亍上滩舟。·2022-03-21 07:42

PV-RCNN论文和逐代码解析（一）

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
NNNNNathan·2022-03-12 07:51

PointPillars点云检测在OpenPCDet推理代码详解

在之前的文章中已经详细解析了PointPillars的论文和训练代码的实现和详解，可以参考之前的博客：PointPillars论文解析和OpenPCDet代码解析_NNNNNathan的博客-CSDN博客
NNNNNathan·2022-03-06 07:20

3D-Dection系列论文1：Pointpillars ---example是如何生成的？

注：此文是解析的是pointpillar不是second\color{red}{注：此文是解析的是pointpillar不是second}注：此文是解析的是pointpillar不是second我们来看一下网络中的example是如何来的~首先我们看一下example在哪里用到的，然后反推一下：可以看到exaple是从eval_dataloader迭代器里面进行引用的，这是常规操作，然后看一下ev
LimitOut·2022-02-20 07:36

【玩转PointPillars】点云特征提取结构PFN(PillarFeatureNet)

PointPillars整体网络结构有三个部分构成，他们分别是PFN(PillarFeatureNet),Backbone(2DCNN)和DetectionHead(SSD)。
昌山小屋·2022-02-20 07:06

KITTI Pointpillars 3D目标检测结果解释

KITTIPointpillars3D目标检测结果解释举例这是在Openpcdet点云目标检测库下训练pointpillars的一部分输出结果绿色框表示类别，如图这是Car类。
Alpha_Da·2022-02-20 07:35

PointPillars论文解析和代码实现

PointPillars是一个来自工业界的模型，整体思想基于图片的处理框架，直接将点云从俯视图的视角划分为一个个的Pillar（立方柱体），从而构成了类似图片的数据，然后在使用2D的检测框架进行特征提取和密集的框预测得到检测框
NNNNNathan·2022-02-20 07:33

基于nuScenes数据集的pointpillars代码复现（second.pytorch）

nuScenes数据集加速下载请参阅如下博客：https://blog.csdn.net/weixin_38423729/article/details/111059557second.pytorch代码地址如下：https://github.com/traveller59/second.pytorch具体操作内容见源码,本文章旨在疏通运行前的细节创建数据集命令,必须加上--dataset_nam
乘风破浪的coder·2020-12-17 22:39

从零实现一个3D目标检测算法（2）：点云数据预处理

但是在点云3D目标检测中，往往需要对点云进行一定的预处理，本文将介绍在PointPillars模型中如何对点云进行预处理。这里的点云数据预处理操作同样也适用其它的基于Voxels的3D检测模型中。
10点43·2020-09-16 18:13

PointPillars: Fast Encoders for 3D Object Detection from Point Clouds

PointPillars:FastEncodersfor3DObjectDetectionfromPointClouds简介3D目标检测整体框架数据增强生成伪图像基础网络检测头Loss简介考虑到点云数据的不规则
海清河宴·2020-09-14 06:20

[阅读]PointPillars: Fast Encoders for Object Detection from Point Clouds

摘要点云编码成合适的格式。目前的两种编码器：固定的速度快精度低，学习数据的精度高速度低。新颖编码器利用PointNet学习pillar格式的点云。编码特征可以用2D网络来做检测，但是我们提出了更好的网络大量实验表明很快很精准，优于其他的。62Hz，最快105Hz，点云较好的编码器，适合工程化。code：https://github.com/nutonomy/second.pytorch1介绍传统激
GoodluckTian·2020-09-14 06:27

PointPillars代码

１．代码下载https://github.com/nutonomy/second.pytorch#pointpillars２．Anaconda安装参考：https://blog.csdn.net/u013069552
云秋水慢·2020-08-13 23:21

pointpillars----nuscene多分类篇

nuScenceEvaluationmetricsmAP：准确率Weusethewell-knownAveragePrecisionmetric,butdefineamatchbyconsideringthe2Dcenterdistanceonthegroundplaneratherthanintersectionoverunionbasedaffinities.Specifically,wema
Little_sky_jty·2020-08-13 22:33

pointpillars代码阅读----prep_pointcloud篇

Brief这一篇内容主要是对函数prep_pointcloud进行debug和记录，这里也是dataloader的大部分内容，同时也涉及到gt的loss函数部分。作者的functionbreif如下：convertpointcloudtovoxels,createtargetsifgroundtruthsexists.input_dictformat:dataset.get_sensor_data
Little_sky_jty·2020-08-13 22:33

pointpillars代码阅读--网络结构篇

Brief细节阅读1.voxel_generator代码voxel_generator=voxel_builder.build(model_cfg.voxel_generator)用处用于每一个voxel_generater的生成器，内容如下，也就是对应的分割pc为voxel的参数。拥有函数defgenerate(self,points,max_voxels=None):可以根据输入的点云坐标转换
Little_sky_jty·2020-08-13 22:33

Pointpillars代码阅读----predict函数篇

Brief 前面讲了大部分都是train方面的内容，但是在实际中还会在训练过程进行验证，而我目前自己的搭的网络是没有在训练时进行eval的过程。所以记录研究.在经过了net的正向前馈后,每一个anchor会得到预测的cls分数和reg的box，这一部分就是后续的nms等后处理这一部分仅仅是对eval而言的,对train没有这种问题eval之前拿之前训练过的一个kitti多分类的网络进行测试：eva
Little_sky_jty·2020-08-13 22:33

pointpillars代码阅读----检测指标篇

Brief kitti衡量指标。代码文件在kitti_dataset.py中（SECOND）代码1detections+=net(example)。。。result_dict=eval_dataset.dataset.evaluation(detections,str(result_path_step))（1）detections经过了网络的前向传播得到了预测的box_pred,cls_pred和
Little_sky_jty·2020-08-13 22:33

pointpillars代码阅读----疑惑篇

1.在创建Voxelnet的时候，没有初始化的名字，如何找到对应的网络函数的：使用：net=get_voxelnet_class(model_cfg.network_class_name)(。。。)函数定义：defget_voxelnet_class(name):globalREGISTERED_NETWORK_CLASSESassertnameinREGISTERED_NETWORK_CLASS
Little_sky_jty·2020-08-13 22:33

pointpillars代码阅读-----架构篇

Brief 目前已经理论知识丰富，但是实践很少，因此决定在这两周内，做以下两件事：阅读pointpillars代码，侧重点在理解怎么在nuscence上进行多目标检测的。并写笔记。
Little_sky_jty·2020-08-13 22:32

三维目标检测论文阅读：VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection

VoxelNet:End-to-EndLearningforPointCloudBased3DObjectDetection理解了PointPillars这篇文章后，看这篇文章就清晰多了，这个清晰表现在两个方面
疯子_Zhang·2020-08-13 19:52

三维目标检测论文阅读：PointPillars: Fast Encoders for Object Detection from Point Clouds

PointPillars:FastEncodersforObjectDetectionfromPointCloudscodeID：https://github.com/nutonomy/second.pytorch
疯子_Zhang·2020-08-13 19:52

TensorRT加速pointpillars

刚接触tensorrt加速pointpillars,很感谢https://blog.csdn.net/Small_Munich/article/details/102489147博客博主的分享，目前已经把环境配置好
旺仔小姐有点甜·2020-08-13 18:27

pointpillars代码，篇一之训练准备工作～～～

pointpillars运行步骤：1.gitclonehttps://github.com/nutonomy/second.pytorch.git2.配置一些运行代码所需要的库，如果已经配置过就不需要这步操作了
qq_35515203·2020-08-13 17:02

当下流行的激光点云目标检测算法（SECOND、PointPillars、SA-SSD）原理分析对比。

一、SECOND（2018）（单阶段，point-based）论文：https://www.mdpi.com/1424-8220/18/10/3337Github：https://github.com/traveller59/second.pytorchA、网络结构SECOND检测器,主要有这三个核心部分:(1)avoxelwisefeatureextractor；体素特征提取器(2)aspars
LidarXin·2020-08-13 12:25

pointpillars点云算法TensorRT环境加速系列一

当然，second.pytorch代码已经集成了pointpillars算法，不过经过一些修改。
Small_Munich·2020-08-13 12:42

pointpillars点云算法TensorRT环境加速系列二

简述上一篇博文撰写了关于pointpillars算法的pytorch模型如何转换为onnx模型中间件，具体参考此链接：pointpillars点云算法TensorRT环境加速系列一以此来方便TensorRT
Small_Munich·2020-08-13 12:42

Autoware1.12编译pointpillars成功

lidar_point_pointpillars模块下载和编译Autoware1.12，Autoware官网。
Boys_Wu·2020-08-13 11:43

pointpillars开源代码复现中 遇到的问题

pointpillar代码的开源地址：https://github.com/nutonomy/second第一步：从github上拷贝代码gitclonehttps://github.com/nutonomy/second.pytorch.git第二步：首先安装Anaconda创建虚拟环境，我的电脑Ubuntuan16.04安装的是anaconda3,cuda10的版本。和readme一样，使用c
『 venus』·2020-08-13 10:26

3D-Detection系列论文1 ---- Pointpillars --creat_date篇

注：此文是解析的是pointpillar不是second\color{red}{注：此文是解析的是pointpillar不是second}注：此文是解析的是pointpillar不是second一、creat_data准备数据按照格式官网格式准备好，将不同的文件放入不同的文件夹。└──KITTI_DATASET_ROOT├──training0#points_v=points_v[keep]#th
LimitOut·2020-08-13 10:50

3D点云学习：SA-SSD③源码注释

2源码注释1create_data.pySASSD与Pointpillars，PointRCNN，second有很多处理很相似，作者也在源码地址介绍了，create_data部
themasterbi·2020-08-13 10:42

Ubuntu16.04运行second.pytorch和PointPillars(主要记录遇到的问题)

一、环境Ubuntu16.04ROS-Kinetic驱动版本384.130CUDA：9.0.176CUDNN：7.6.2ROS自带Python：3.5.2Python:2.7.12Anaconda一直出现CUDAerror的问题故更换Python（最终决定使用）Python3.6.9安装版本Tensorflow-GPU=1.8.0Pytorch=1.1.0Anaconda（base）Python3
我叫林克不叫塞尔达·2020-08-04 12:32

pointpillars代码阅读----稀疏卷积篇

Brief最近在很多文献中都看到有稀疏卷积和流行卷积的形式，如下图的来自商汤和港科大的Part-A2Net（19arxiv），这里的u-net实际上的绿色框表示的是submanifold卷积层，蓝色框表示的是稀疏上采样层，而黄色表示的是稀疏卷积层。在代码中如何使用作者首先是定义一个block:每一个的block实际上是两层的sub加上一层的sp，如下：SubMConv3d(num_input_fe
Little_sky_jty·2020-07-28 20:28

从零实现一个3D目标检测算法（1）：3D目标检测概述

本文实现的3D目标检测算法是PointPillars，论文地址为：https://arxiv.org/abs/1812.05784，使用的激光雷达点云
10点43·2020-07-10 20:37

second.pytorch、pointpillars运行踩坑大全

欢迎使用Markdown编辑器numony的pytorch.second主要是做pointpillars的，下载kitti后要建立imageset文件夹，并使用脚本来将编号拆分为traintesteval
RAFA CHANG·2020-07-09 21:56

PointPillars:点云物体识别的快速编码

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者：Panzerfahrer链接：https://zhuanlan.zhihu.com/p/107975261本文转载自知乎，作者已授权，未经许可请勿二次转载。0.前言虽然论文已经发表一年多了,截止目前(2020.04.18)pointpillar依旧是kitti排行榜上速度最快的"男人",而且有着不错的AP结果，出自安波福，是为数不多可以应
3Ｄ视觉工坊·2020-07-09 12:40

Autoware 1.14 源码编译+感知SSD+YOLOv3+Point Pillar模块运行（步骤+报错+解决方法记录）

[√]Autoware运行yolo3进行目标检测(vision_darknet_yolo3)[√]Autoware运行SSD进行目标检测(vision_ssd_detect)[√]Autoware运行pointpillars
tiatiatiatia·2020-07-06 18:02

【论文+代码阅读】PointPillars

Brief这篇文章整的来说是在前人的工作上做的，所以更偏向于改进。就个人感觉，目前3D方面使用2D卷积有两种形式：类似mv那种，使用对3D的投影得到其2维的图像，再使用2DCNN，这样做无疑是会出现信息损失的，另外呢，先把3D点云分割成若干个体素小块，再把点个数当做二维像素值，再使用2DCNN结构，这又只使用了密度信息，没有局部几何信息。都是不太好的。第二种呢就是先对点的局部提取点特征（这都要归功
Little_sky_jty·2020-06-29 00:09

点云3d检测模型pointpillar

PointPillars一个来自工业界的模型.https://arxiv.org/abs/1812.057843D目标检测通常做法3d卷积投影到前平面在bird-view上操作处理思路依然是3d转2d,
core!·2020-03-10 15:00
上一页 1 2 3 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他