网站建设完不管了自己怎么接手,成都网站建设电话,郑州二七区做网站,微信网站协议书文章目录激光雷达点云分割1.点云分割主流方案#xff08;模型角度#xff09;1.1 (a) 基于RGB-D图像1.2 (d) 基于点云1.3 (b) 基于投影图像1.4 (b) 基于投影图像 - SqueezeSeg/RangeNet1.4. 球映射2 点云分割主流方案#xff08;部署角度#xff09;3 点云分割常用指标4 点…
文章目录激光雷达点云分割1.点云分割主流方案模型角度1.1 (a) 基于RGB-D图像1.2 (d) 基于点云1.3 (b) 基于投影图像1.4 (b) 基于投影图像 - SqueezeSeg/RangeNet1.4. 球映射2 点云分割主流方案部署角度3 点云分割常用指标4 点云分割主要实现方式/常用trick总结5 点云分割常用数据集6 点云分割主要问题激光雷达点云分割
1.点云分割主流方案模型角度
(a) 基于RGB-D图像双通道网络分别对RGB图像和深度图像提取特征 (b) 基于投影图像2D卷积三维场景/形状投影图像的特征融合这些特征进行标签预测 (©) 基于体素(像素划分网格)类似于二阶段目标检测操作寻找proposal体素进行预测 (d) 基于点云核心是MLP对点云升维在保证平移不变性的情况下保留/提取点云特征直接对点云预测 (e) 基于mesh(三维网格)…… abd是近年较为主流的方案 1.1 (a) 基于RGB-D图像
双通道网络分别对RGB图像和深度图像提取特征
1.2 (d) 基于点云
核心是MLP对点云升维在保证平移不变性的情况下保留/提取点云特征直接对点云预测
1.3 (b) 基于投影图像
2D卷积三维场景/形状投影图像的特征融合这些特征进行标签预测
1.4 (b) 基于投影图像 - SqueezeSeg/RangeNet
算法流程 A: 球映射Spherical projection 相同
B: 语义分割Segmentation RangeNet可用SqueezeSeg相同backbone 也可用darknet作为backbone
C: 点云重建Point cloud reconstruction 相同
D: 点云后处理Post-processing RangeNet通过KNN search 修正结果
1.4. 球映射
球坐标系 映射算法
2 点云分割主流方案部署角度
RangeNet推理效率高部署效率高TensorRT已初步走通流程 SqueezeSeg推理效率高无开源部署方案未测试 PointNet推理效率低部署效率低LibTorch/TensorRT未测试 *目前只对RangeNet和PointNet做了初步测试还未做各个网络的详细测试预研阶段性结论
3 点云分割常用指标 4 点云分割主要实现方式/常用trick总结 5 点云分割常用数据集 6 点云分割主要问题
