摘要：
PDF: 《From Points to Parts: 3D Object Detection from Point Cloud with Part-aware and Part-aggregation Network》 CODE: https://github.com/sshaoshuai/Par 阅读全文
摘要：
PDF：https://arxiv.org/pdf/1912.13192.pdf CODE: https://github.com/sshaoshuai/PV-RCNN 一、大体内容 前面介绍了基于Point的3D目标检测网络（PointRCNN、3DSSD）以及基于voxel的3D目标检测网络（V 阅读全文
摘要：
PDF: https://arxiv.org/abs/2002.10187 CODE: https://github.com/dvlab-research/3DSSD 一、大体内容 3DSSD是基于点的单阶段3D目标检测器，其提出的动机主要是基于体素的方法（如VoxelNet、PointPillar 阅读全文
摘要：
PDF: https://arxiv.org/pdf/1812.04244.pdf CODE: https://github.com/sshaoshuai/PointRCNN?tab=readme-ov-file 一、大体内容 PointRCNN和前面提到的VoxelNet、SECOND、Point 阅读全文
摘要：
https://www.cnblogs.com/xiaxuexiaoab/p/17970121 前面的文章介绍了点云目标检测的几篇综述文献，这一篇参考第二篇综述介绍一些经典的网络，主要包含其大体内容、贡献点和一些细节，后续还会慢慢补充。 One Stage 一、VoxelNet PDF:https: 阅读全文
摘要：
本文主要参考以下几篇综述文献，对3D目标检测相关方法有个大致的了解，3D目标检测输出结果包含7维，\([x_c, y_c, z_c, l, w, h, \theta]\)，其中\([x_c, y_c, z_c]\)表示框的中心点位置，\([l, w, h]\)分别表示框的长宽高，\(\theta\) 阅读全文
摘要：
MeshCNN是2019年提出的直接在3D Mesh上进行分类和分割的网络，MeshCNN在3D网格上定义了定义了卷积和池化层，依据三维模型边的连通关系进行研究。最终能够在来自SHREC 11数据集的30个类上达到98.6%的精度，并且在部件和人体数据集上有很好的分割性能。 论文主页：https:/ 阅读全文
摘要：
PointNet++ 地址：http://stanford.edu/~rqi/pointnet2/ 1.两者主要不同点 考虑到PointNet特征提取时只考虑单点，不能很好的表示局部结构 ==> PointNet++引入了sampling & grouping，考虑局部领域特征 PointNet中g 阅读全文
摘要：
常见的3D数据表示方式有点云、多视图、体素、mesh网格等。 PointNet是直接处理点云数据的网络，可以实现对点云的分类和分割，其首页地址为：http://stanford.edu/~rqi/pointnet/。 主要从解决点云的无序性和保证旋转一致性两个方向出发，提出了以点云作为输入的分类网络 阅读全文
摘要：
前面介绍了单目标关键点检测网络 Stacked Hourglass Networks，如下图所示，一次只能检测出一个目标的关键点信息，但实际情况下一个场景出现多个目标的概率更大，所以原作者在Stacked Hourglass Networks的基础上提出了Associative Embedding， 阅读全文