首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    Stereo R-CNN based 3D Object Detection for Autonomous Driving

    提出了一种充分利用立体图像中稀疏、密集、语义和几何信息的自主驾驶三维目标检测方法。我们的方法,称为Stereo R-CNN,扩展了Faster R-CNN的立体输入,以同时检测和关联目标的左右图像。我们在立体区域建议网络(RPN)之后添加额外的分支来预测稀疏的关键点、视点和目标维数,并结合二维左右框来计算粗略的三维目标边界框。然后,我们恢复准确的三维包围框,以区域为基础的光度比对使用左和右ROI。我们的方法不需要深度输入和三维位置监督,但是,优于所有现有的完全监督的基于图像的方法。在具有挑战性的KITTI数据集上的实验表明,我们的方法在三维检测和三维定位任务上都比目前最先进的基于立体的方法高出30%左右的AP。

    02

    目录

    学习最难的两点,第一是接收信息,第二是归纳信息。现在是信息爆炸的时代,一个知识点,网络上有无数的blog,论坛,问答,也有无数相关的书本。学会甄别有效信息是很重要的一点。而有效信息的数量其实也很庞大,而且这些信息的呈现大多数并不适合自己,这时候就需要学会归纳和整理。运用以上两点,形成自己的知识体系。这其中,记录blog是一项很重要的手段。在写blog的过程中,你不仅能深刻的理解相关的知识点,构建自己的知识体系。同时也形成了一条条索引,方便随时查阅和复习。 我在写blog的过程中,习惯用织网的方法去记录和学习。将一个个知识点按深度连成一条条线,按广度连成一条条线。然后这些线交织成一张大网,遇到问题就能一网打尽。当然,目前这张网织的还很基础,但是起码有了自己的脉络和方向。而学习的过程,更需要坚持,每天都要有正在进行的项目和代办项。踩好脚下的路,看清眼前的路。

    05
    领券