BEV

角度回归（复数与欧拉公式，L1，L2）

文章目录1BEV下，Eula损失函数2BEV下，PointPillars使用sin联合SmoothL13透视图下，MultiBin全局方向损失4L1/L2-norm的周期损失函数1BEV下，Eula损失函数
Hali_Botebie·2022-11-23 11:26

UniFormer：用统一多视角融合Transformer构建时空BEV表征

BEV表示是一种基于空域融合的自主驾驶感知形式。此外，时域融合也
自动驾驶之心·2022-11-23 04:45

【3D目标检测】[看code] VoxelRCNN RPN（一）

VFE,BACKBONE_3D,MAP_TO_BEV,BACKBONE_2D,DENSE_HEAD与SECOND所用的一致。也就是说用AnchorHEADSingle来当一阶段的Head。
Hatake卡卡龙·2022-11-21 16:14

【3D点云】数据入门（持续更新）

激光雷达数据（data_object_velodyne）可视化2.标注数据label_2.3.图像数据image_24.标定校准数据calib2.KITTI数据集中的三个坐标系：3.点云数据转鸟瞰图（BEV
杀生丸变大叔了·2022-11-21 15:32

Stacked Homography Transformations for Multi-View Pedestrian Detection相关工作翻译

摘要多视角行人检测旨在从多个摄像机视角预测鸟瞰图（BEV）占用地图。这项任务面临两个挑战：如何建立从视图到BEV地图的3D对应关系，以及如何跨视图收集占用信息。
zzzzz忠杰·2022-11-21 00:22

使用 BEV 投影的高效城市规模点云分割

使用BEV投影的高效城市规模点云分割论文EfficientUrban-scalePointCloudsSegmentationwithBEVProjection地址https://arxiv.org/pdf
阮扬才·2022-11-21 00:21

BEVFormer

LearningBird's-Eye-ViewRepresentationfromMulti-CameraImagesviaSpatiotemporalTransformers》官方链接：(32封私信)自动驾驶BEV
財鸟·2022-11-21 00:48

CAM2BEV

文章启发点：通过使用语义分割的图像作为输入，缩小了模拟数据和真实数据之间的真实差距。我觉得这个方法很有启发性，当训练数据不足时可以选择生成模拟数据训练，但对于纹理信息难以仿真时可以选择生成数据的深层特征形式进行训练，至于提取纹理信息可以由其他数据集进行训练，或者应对这种短期数据不足来验证想法的正确性，并加速收敛。abstract准确的环境感知对于自动驾驶至关重要。当使用单目相机时，环境中元素的距离
財鸟·2022-11-21 00:47

LSS---lift,splat,shot

文章启发点：PV2BEV基于深度估计的开山之作，在cam2BEV中作者展望说如何将深度信息引入模型，LSS放弃了IPM，但是又没有像cam2BEV的消融实验那样只采用神经网络输入输出都是图片，而是在输入神经网络前设计了输入数据的表示
財鸟·2022-11-21 00:17

BEVSegFormer：一个来自任意摄像头的BEV语义分割方法

今天给大家分享一篇小汤前同事在分割方向的近期新工作BEVSegFormer，论文已经上传在arXiv上，完整题目是"BEVSegFormer:Bird’sEyeViewSemanticSegmentationFromArbitraryCameraRigs"。论文链接：https://arxiv.org/abs/2203.04050。文章作者除了“ZhangjieFu”小汤不认识之外，其他都是我在纽
StrongerTang·2022-11-21 00:15

《BEV LaneDet：Fast Lane Detection on BEV Ground》论文笔记

参考代码：bev_lane_det（截止2022.11.01未开源）1.概述介绍：这篇文章是毫末科技在单目场景下在bev视图下实现车道线检测的方法，其车道线检测的基础方法是源自于bev视图下车道线分割，
m_buddy·2022-11-21 00:44

BEV感知，是下一代自动驾驶感知算法风向吗？

1背景在现代自动驾驶任务中，决策规划模块依赖于多个感知、预测任务模块以提供充足的环境信息，其中感知任务不仅需要检测场景中的动态物体，还需要识别道路边界、人行横道、车道线、路标等静态元素。而预测任务需要系统能够推理其它动态物体的运动趋势，为决策提供信息依据，规划出道路从而避免碰撞。目前业界基于纯视觉的感知、预测算法研究通常仅针对上述流程中的单个子问题的image-view方案，如3D目标检测、语义地
整数智能AI研究院·2022-11-21 00:44

首篇 | M2BEV：统一BEV表征的多摄像头多任务框架（英伟达、香港大学）

论文链接：https://arxiv.org/pdf/2204.05088.pdf摘要本文提出统一框架M2BEV，可以在BEV空间中与多镜头图像联合实现3D目标检测和BEV分割。
自动驾驶之心·2022-11-21 00:08

迈向BEV的大一统 | 基于纯视觉策略的BEV感知

随着自动驾驶汽车和其他交通代理在道路上移动，大多数时候推理不需要考虑高度，这使得鸟瞰图(BEV)成为一种充分的表示。
自动驾驶之心·2022-11-21 00:07

M2BEV

Work：有效的BEV编码器设计，减少了体素特征图的空间维度。一种动态方框分配策略，使用学习匹配来分配带锚的地面实况3D方框。
財鸟·2022-11-21 00:37

【BEV】Cross-view Semantic Segmentation for Sensing Surroundings——View Parsing Network

Cross-viewSemanticSegmentationforSensingSurroundings跨视图语义分割,Cross-viewSemanticSegmentation图解析网络(VPN)的框架,ViewParsingNetwork(VPN)priorresearch尽管语义分割网络可以识别静态图像中的语义内容，但仍远远不足以使机器人在未知环境中进行感知并自由导航。一个重要原因是，解析
Hali_Botebie·2022-11-20 16:13

【三维目标检测】Complex-Yolov4详解（一）： 数据处理

三维投影算法主要思想是用激光雷达点云的鸟瞰图（BEV）和前视图（FV）作为模型输入，将三维点云转换为二维图片，早期工作开始于2017年的MV3D。
Coding的叶子·2022-11-20 14:58

一文尽览 | 首篇Transformer在3D点云中的应用综述（检测/跟踪/分割/降噪/补全）...

后台回复【3D检测综述】获取最新基于点云/BEV/图像的3D检测综述！1摘要Transformer一直是自然语言处理(NLP)和计算机视觉(CV)的核心。
自动驾驶之心·2022-11-20 14:13

一文读懂BEV空间内的特征级融合

交流群|进“传感器群/滑板底盘群”请加微信号：xsh041388交流群|进“域控制器群/操作系统群”请加微信号：ckc1087备注信息：传感器/滑板底盘/域控制器+真实姓名、公司、岗位划重点：BEV空间内进行特征级融合具有如下优势
九章智驾·2022-11-19 16:56

招聘Bev感知实习生

工作职责:1.负责Bev感知算法调研和运用；2.负责模型量化部署。
何雷·2022-11-19 16:56

3D Object Detection for Autonomous Driving: A Review and New Outlooks（自动驾驶中的3D目标检测回顾与展望）论文笔记

工业应用中，这些参数可以被简化为BEV下的4个角点坐标。激光雷达数据表达若一个激光雷达发射束激光，并在一个扫描周期内进行次测量，可以产生一个range图像，其每个
byzy·2022-11-19 14:04

RangeRCNN阅读笔记

RangeRCNN阅读笔记概述摘要绪论创新点与主要贡献相关工作3D目标检测3D语义分割方法描述网络结构距离图主干RV-PV-BEV3DRoIPooling损失函数实验细节消融实验结论另一波总结与思考概述论文链接
Snape_·2022-11-19 13:56

3D点云目标检测综述

点云数据的应用3.1.1.2.投影的方法3.1.1.3.体素卷积的方法3.1.1.4.基于点的方法3.1.2.基于分割的方法3.1.3.基于截锥的方法3.1.4.其他方法3.2.单发法3.2.1.基于BEV
还没有入门的算法复制修改师·2022-11-19 08:51

Vision-Centric BEV Perception: A Survey （以视觉为中心的BEV感知综述）论文笔记

原文链接：https://arxiv.org/abs/2208.027971.引言BEV表达包含了丰富的语义信息，精确定位和绝对尺度，可直接应用于下游任务如行为预测和运动规划。
byzy·2022-11-13 14:39

Lift, Splat, Shoot: Encoding Images from Arbitrary Camera Rigs by Implicitly Unprojecting to 3D（LSS）

EncodingImagesfromArbitraryCameraRigsbyImplicitlyUnprojectingto3D论文笔记原文链接：https://arxiv.org/abs/2008.05711本文的关键是将图像特征转化为BEV
byzy·2022-11-13 14:38

超全 | 基于纯视觉Multi-Camera的3D感知方法汇总！

近两年，基于纯视觉BEV方案的3D目标检测备受关注，allinone方式，确实能将基于camera的3D检测算法性能提升一大截，甚至直逼激光雷达方案，这次整理了领域中一些备受关注的multi-camerabev
自动驾驶之心·2022-11-12 08:14

3d目标检测

根据传感器分类[2]：根据使用场景分类[2]:室内三维目标检测算法室外三维目标检测算法基于单目视觉的三维目标检测基于双目/深度视觉的三维目标检测基于体素(Voxel)的鸟瞰图(Bird'sEyeView，BEV
干了这碗汤·2022-11-10 07:03

PersDet：透视BEV中进行3D目标检测

Monocular3DDetectioninPerspectiveBird’s-Eye-View论文链接：https://arxiv.org/pdf/2208.09394.pdf作者单位：旷视科技一、摘要目前，在鸟瞰图(BEV
自动驾驶之心·2022-11-09 12:06

BEVFusion:Multi-Task Multi-Sensor Fusion with Unified Bird’s-Eye View Representation 论文笔记

这些方法对BEV分割等语义导向
byzy·2022-11-08 14:57

M²BEV: Multi-Camera Joint 3D Detection and Segmentation with Unified Bird’s-Eye View Representation

M²BEV:Multi-CameraJoint3DDetectionandSegmentationwithUnifiedBird’s-EyeViewRepresentation论文笔记原文链接：https
byzy·2022-11-08 14:57

BEVDet:High-Performance Multi-Camera 3D Object Detection in Bird-Eye-View 论文笔记

原文链接：https://arxiv.org/pdf/2112.11790.pdf1引言如下图所示，本文提出的BEVDet包含4个部分，即图像编码器（提取图像特征）、视图转换器（将图像视图转化为BEV）
byzy·2022-11-08 14:27

＜论文阅读＞ M2BEV Multi-Camera Joint 3D Detection and Segmentation with Unified Bird’s-Eye View Represen

0.为什么要读这篇论文首先，作者本人并不是这个领域的科研工作者，只能说是自动驾驶领域的一个工程师，我更希望我做的每一件事情，读的每一篇文章都在帮我解决一个问题或者一个疑惑。那么，谈一下为什么要读这篇文章，自动驾驶视觉感知领域算法开发这个领域可谓是日新月异，越来越多的事物可以被感知到，更多的摄像头参与到了感知算法中，从一开始的1V（前视）到5V，再到8V，从1M像素到2M再到现在8M的摄像头，甚至还
小灰灰Coding·2022-11-08 14:26

Structured Bird’s-Eye-View Traffic Scene Understanding from Onboard Images翻译

由于交通场景是在地平面上定义的，因此这与鸟瞰视图（BEV）中的场景理解相对应。然而，自动驾驶汽车的车载摄像头通常水平安装，以便更好地观察周围环境，这使得这项任务非常具有挑战性。
zzzzz忠杰·2022-11-08 14:26

BEVDet:High-Performance Multi-Camera3D Object Detection in Bird-Eye-View

动机：在多摄像机三维目标检测中，基于图像视图的FCOS3D[49]、PGD[50]等方法性能领先，而基于BEV的PON[39]、lift-splat-shoot[33]、VPN[31]等方法在BEV语义分割中占据主导地位
財鸟·2022-11-08 14:56

BEV（Bird’s-eye-view）三部曲之二：方法详解

一、IntrodutionWhyBEV高度信息在自动驾驶中并不重要，BEV视角可以表达自动驾驶需要的大部分信息.BEV空间可以大致看作3D空间.BEVrepresentation有利于多模态的融合可解释性强
mathlxj·2022-11-08 14:55

BEV（Bird’s-eye-view）三部曲之一：综述

s-eye-viewPerception:AReview,EvaluationandRecipeGithub论文网址零、摘要BEVperception主要的4个问题是：如何通过从perspectiveview到BEV
mathlxj·2022-11-08 14:25

BEVDet: High-Performance Multi-Camera 3D Object Detection in Bird-Eye-View

High-PerformanceMulti-Camera3DObjectDetectioninBird-Eye-ViewPaperReadingNoteURL:https://arxiv.org/pdf/2112.11790v1.pdfTL;DR提出了一种在BEV
kebijuelun·2022-11-08 14:54

BEV（Bird’s-eye-view）三部曲之三：demo和验证

1.PYVA:ProjectingYourViewAttentively(CVPR2021)数据集：KITTIpaper，github，35FPS输入：单张摄像头前向图输出：roadlayoutestimationandvehicleoccupancyestimation目标检测道路分割2.FIERY(ICCV2021)github主页数据集：NuScenes输入：6个视角的相机图像+内参+外参模
mathlxj·2022-11-08 14:24

[坐标系转换]车体坐标系 转 像素坐标系

1.动机在项目中，我们常常需要绘制无人车激光雷达的BEV图。而原始激光雷达的点所处的坐标是车体局部坐标系（简称为vehiclepose）。
一骑红尘荔枝来·2022-10-29 01:13

史上最全 | BEV感知算法综述（基于图像/Lidar/多模态数据的3D检测与分割任务）...

点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【BEV综述】获取论文！后台回复【ECCV2022】获取ECCV2022所有自动驾驶方向论文！
自动驾驶之心·2022-10-28 20:25

BEVFormer 论文笔记

s-Eye-ViewRepresentationfromMulti-CameraImagesviaSpatiotemporalTransformers1.概述导读：这篇文章介绍了一种基于transformer的bev
m_buddy·2022-10-24 07:12

BEV感知，是下一代自动驾驶感知算法风向吗？

1背景在现代自动驾驶任务中，决策规划模块依赖于多个感知、预测任务模块以提供充足的环境信息，其中感知任务不仅需要检测场景中的动态物体，还需要识别道路边界、人行横道、车道线、路标等静态元素。而预测任务需要系统能够推理其它动态物体的运动趋势，为决策提供信息依据，规划出道路从而避免碰撞。目前业界基于纯视觉的感知、预测算法研究通常仅针对上述流程中的单个子问题的image-view方案，如3D目标检测、语义地
·2022-10-17 18:54

2020ECCV|EPNet: Enhancing Point Features with Image Semantics for 3D Object Detection阅读笔记

EnhancingPointFeatureswithImageSemanticsfor3DObjectDetection单位：华中科技大学1.解决的问题：1）第一是说之前基于级联的融合方法不能利用传感器之间的互补性，基于BEV
Rolandxxx·2022-10-13 09:44

Deep Continuous Fusion for Multi-Sensor 3DObject Detection论文笔记

本文提出了一种基于鸟瞰(BEV)的三维目标检测器，通过学习将图像特征投影到BEV空间进行融合，设计了一种端到端的可学习结构，利用连续卷积对不同分辨率的图像和LIDAR特征图进行融合。提出的连续
Rolandxxx·2022-10-13 09:13

PointAugmenting: Cross-Modal Augmentation for 3D Object Detection论文笔记

PointAugmenting:Cross-ModalAugmentationfor3DObjectDetection（point-levelfusion)CVPR20211.摘要+intro作者认为fusion的核心问题在于将BEV
Rolandxxx·2022-10-13 09:13

BEVStereo | nuScenes纯视觉3D目标检测新SOTA！(旷视、中科大)

点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【3D检测综述】获取最新基于点云/BEV/图像的3D检测综述！
自动驾驶之心·2022-10-03 07:08

3D目标检测方案总结

前言感谢商汤学术2022/06/22带来的基于BEV环视感知直播课程，借助这次机会，总结了我前段时间的工作，主要内容如下：FOV和BEV的常用方案，对两种视角在视觉检测技术与原理上进行对比，并总结两者的优缺点
naca yu·2022-09-26 19:59

基于显扬科技3D机器视觉HY-M5的新能源汽车自动充电系统

背景：电动汽车(BEV)是指以车载电源为动力，用电机驱动车轮行驶，符合道路交通、安全法规各项要求的车辆。由于对环境影响相对传统汽车较小，其前景被广泛看好。
显扬科技Hinyeung·2022-09-24 09:47

BEV 优化方法

一早装着系统jetsonnx的然后在搬运大佬们勿怪啊自家学习用关于BEV感知的最新工作，并对不同解决方案进行了深入分析。
tt姐whaosoft·2022-09-20 14:19

自动驾驶感知新范式——BEV感知经典论文总结和对比（下）

本文承接上篇：自动驾驶感知新范式——BEV感知经典论文总结和对比（上）_苹果姐的博客-CSDN博客bev感知经典论文总结和对比https://blog.csdn.net/weixin_43148897/
苹果姐·2022-08-13 07:25
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他