澳门新葡8455最新网站-8455澳门新

澳门新葡8455最新网站论坛-知行信息交流平台

找回密码
注册
快速进入版块与发帖 搜索
查看: 5536|回复: 3
打印 上一主题 下一主题

每周总结

[复制链接]
跳转到指定楼层
楼主
发表于 2019-12-26 10:24 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
一、 工作进展
1、 pointnet2代码阅读
2、 尝试用pointnet2代替pointnet作为特征提取网络
3、 思考扩大初始点云范围的策略
二、 论文阅读
1、 fast-pointrcnn
这是一篇two-stage的三维检测论文,起初在kitti排行榜上由于和pointrcnn名字相似而没有受到关注,后来发现和pointrcnn完全是两种不一样的算法,其整体结构如下图所示:
整体思路:先通过VoxelRPN进行点云体素化并做一个粗预测,得到目标点云的大致位置,然后运用VoxelRPN获取的体素化特征与原始点云结合,对初步结果进行优化,得到最终的预测框,由于这个算法需要占用的计算资源过大,且效果并没有显著性提升,所以具体实施细节我没有细看。
但从我阅读的大量论文来看,包括这篇论文给我带来的一些其实,总结了一些目前能得到的基于点云的目标检测的一般研究规律:
1、 直接使用卷积作用于点云由于其自身的无序特性是不合理的
2、 点云二维化会丢失天然三维信息
3、 点云体素化会带来计算量的剧增
基于以上的一般规律,提出了很多用于点云检测的方法,而一个比较朴素而高效的思想就是,首先,以三维点云作为原始输入,以保留空间信息,然后,对点云进行初步过滤,滤除大量不关注的背景点,最后,保留下极少数的前景点单独进行前景点的分类与边界框回归。
目前,我所构思的终极框架就是基于这个思想。

沙发
楼主| 发表于 2019-12-26 10:24 | 只看该作者
楼主真棒
板凳
发表于 2019-12-30 16:52 | 只看该作者
楼主·真·大神
地板
发表于 2019-12-31 16:35 | 只看该作者
我就看看,也看不懂

 手机版|澳门新葡8455最新网站论坛-知行信息交流平台 ( BJTUICP备13011901号 )

GMT+8, 2020-4-8 22:23 

Powered by Discuz! X3.4

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表
新萄京娱乐场手机版 澳门新葡亰娱乐场 澳门新葡萄京app下载 澳门葡萄京官方网站 澳门新葡亰平台9411 澳门新萄京最大平台 新澳门萄京娱乐场官网 澳门新葡萄京997755 澳门京葡网站 澳门新葡萄京888官网 奥门新葡萄京app下载 澳门新葡8455手机版 新葡萄京娱乐app下$