admin管理员组

文章数量:1639206

BirdNet 论文解读

核心思想：

Detection Framework:
第一步：将三维点云信息处理成2D的鸟瞰图。
第二步：利用处理图像的卷积神经网络鸟瞰图，得到位置，朝向，类别等2D信息。
第三步：进行3D Object Oriented Detection，对高度进行计算。

网络框架：

第一步：将３维点云信息投影成3-channel BEV map.
第二步：利用faster-rcnn检测网络，输出class, 2d bounding box, yaw angle.
第三步：2d detection refinement;输入ground estimation, 输出高度，完成3d检测。

具体内容

BEV Generation
  • maximum height
  • mean intensity
  • the density of points in each cell, which is computed as the number of points in that cell, divided by
    the maximum possible number of points.
    相应的产生一个与BEV map相同尺寸的normalization map

本文标签： DetectionobjectBirdNetinformationLiDAR

版权声明：本文标题：BirdNet: a 3D Object Detection Framework from LiDAR information 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/dongtai/1729280364a1193985.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。