07 2020 档案
摘要：ori：https://zhuanlan.zhihu.com/p/125395219（从CenterTrack出发谈谈联合检测和跟踪的MOT框架） 只是便于快速知悉跟踪工作路数，具体细节强烈建议看所有的原论文。 1.Detect to Track and Track to Detect ICCV20
阅读全文
摘要：ori：https://blog.csdn.net/sinat_37532065/article/details/105418661 主流目标跟踪方法：大多遵循tracking-by-detection思路。 本文提出新的跟踪模型结构：CenterTrack，通过在一对图像上执行检测，并结合先前帧的
阅读全文
摘要：ref：https://baijiahao.baidu.com/s?id=1644905321397514137&wfr=spider&for=pc for most computer vision tasks, detection is necessary and important！ 近年来，O
阅读全文
摘要：3D detection模块：负责在每一帧的点云数据中进行目标检测。作者使用两种现有的state of the art 3D目标检测方法 3D 卡尔曼滤波模块：将2D卡尔曼滤波简单扩展到3D，用于跟踪历史数据预测下一帧可能目标位置，同时该模块接收从数据关联模块反馈的结果进行状态更新。 数据关联模块：
阅读全文
摘要：ref：https://leijiezhang001.github.io/MOT-%E7%BB%BC%E8%BF%B0-Multiple-Object-Tracking-A-Literature-Review/ 这篇文章比较广义，不是针对3D tracking的，知识互通，可以学习一下。 本文的主要
阅读全文
摘要：ref: https://zhuanlan.zhihu.com/p/80993033 流程： 使用PointRCNN的目标检测结果来跟踪； 使用卡尔曼滤波器跟踪； 使用匈牙利算法匹配前后帧的对象。 特点： 使用了3D的卡尔曼滤波器 优点： 简单快速效果好 使用的特征和状态转移模型？ 10-dimen
阅读全文
摘要：PointRCNN：3D Object Proposal Generation and Detection from Point Cloud PointRCNN是CVPR2019录用的一篇三维目标检测论文。 原始点云的3D目标检测，只用点云作为输入。提出一种新的3D物体检测器，用于从原始点云中检测3
阅读全文
摘要：Batch Normalization； Layer Normalizaiton； Instance Normalization； Group Normalization； Switchable Normalization。 why normalization? 神经网络学习过程的本质就是为了学习数
阅读全文
摘要：插值，它根据已知的数据序列（也可以理解为坐标中一连串离散的点），找到其中的规律；然后根据找到的这个规律，来对其中尚未有数据记录的点进行数值估计。 1）它可以对数据中的缺失进行合理的补偿；2）可以对数据进行放大或者缩小。 线性插值是一种针对一维数据的插值方法，它根据一维数据序列中需要插值的点的左右邻近
阅读全文
摘要：三维重建定义 在计算机视觉中, 三维重建是指根据单视图或者多视图的图像重建三维信息的过程. 由于单视频的信息不完全,因此三维重建需要利用经验知识. 而多视图的三维重建(类似人的双目定位)相对比较容易, 其方法是先对摄像机进行标定, 即计算出摄像机的图象坐标系与世界坐标系的关系.然后利用多个二维图象中
阅读全文
摘要：ref: https://blog.csdn.net/weixin_42894692/article/details/106148094#_2 距离变换：距离变换的主要目的是通过识别目标点与背景点，将二值化图像转化为灰度图。 距离变换主要分为欧式距离变换和非欧式距离变换，非欧式距离变换包括棋盘距离变
阅读全文
