首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
确定删除此收藏集吗
删除后此收藏集将被移除
取消
确定删除
确定删除此文章吗
删除后此文章将被从当前收藏集中移除
取消
确定删除
编辑收藏集
名称:
描述:
0
/100
公开
当其他人关注此收藏集后不可再更改为隐私
隐私
仅自己可见此收藏集
取消
确定
点云
订阅
tamako
更多收藏集
微信扫码分享
微信
新浪微博
QQ
9篇文章 · 0订阅
3D目标检测中点云的稀疏性问题及解决方案
欢迎关注公众号CV技术指南,专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。 计算机视觉入门1v3辅导班 1. 点云稀疏性的定义 点云的稀疏性指激光雷达的采样点覆盖相对于场景的尺
点云模型专栏(一)概述、特性、存储格式、数据集
欢迎关注公众号CV技术指南,专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。 CV各大方向专栏与各个部署框架最全教程整理 本教程禁止转载。同时,本教程来自知识星球【CV技术指南】
激光点云3D目标检测算法之CenterPoint
前言 CenterPoint是CVPR 2021的论文《Center-based 3D Object Detection and Tracking》中提出的一个激光点云3D目标检测与跟踪算法框架,与以
NeRF与三维重建专栏(一)领域背景、难点与数据集介绍
本系列专栏大致分为背景介绍、代码开发相关、主要论文讲述三部分;所用编程语言大部分为python,包含少量cuda;使用深度学习框架为pytorch lightning。
激光点云语义分割算法:RangeNet++
我报名参加金石计划1期挑战——瓜分10万奖池,这是我的第2篇文章,点击查看活动详情 RangeNet++简介 RangeNet++是一篇发表在IROS 2019上的论文《RangeNet++: Fas
一文尽览 | 基于点云、多模态的3D目标检测算法综述!(Point/Voxel/Point-Voxel)
目前3D目标检测领域方案主要包括基于单目、双目、激光雷达点云、多模态数据融合等方式,本文主要介绍基于激光雷达雷达点云、多模态数据的相关算法,下面展开讨论下~
干货推荐!自动驾驶相关数据集调研总结(附下载地址)
目前,数据集的数据来源主要包括相机(图片),摄像头(视频序列),激光雷达(点云),毫米波雷达,4D 成像毫米波雷达,IMU, GPS等,而相对应的任务主要包括:点云分割,目标检测与追踪等。
汇总|基于3D点云的深度学习方法
三维数据通常可以用不同的格式表示,包括深度图像、点云、网格和体积网格。点云表示作为一种常用的表示格式,在三维空间中保留了原始的几何信息,不需要任何离散化。因此,它是许多场景理解相关应用(如自动驾驶和机器人)的首选表示。近年来,深度学习技术已成为计算机视觉、语音识别、自然语言处理…
基于Python深度图生成3D点云
携手创作,共同成长!这是我参与「掘金日新计划 · 8 月更文挑战」的第2天,点击查看活动详情 >> 前言 废话不多说,直接开造。这里的话我们有两个目标,第一个是如何把一个2维图片上的点映射到3维空间。