3D目标检测论文方法汇总 【2022部分持续更新中~_lift: learning 4d lidar image fusion transformer f

Automanous-3D-detection-methods

版权注释

该项目地址为：https://github.com/LittleYuanzi/awesome-Automanous-3D-detection-methods
2017~2020汇总部分由CSDN博主Little_sky_jty博主倾力攥写，2021部分我将对其进行维护更新为我个人所用，无任何商业目的，如有侵权，告知删除

前言

该项目主要在对近期（17年）开始的自动驾驶场景的目标检测方法做一个汇总，持续更新，也欢迎大家参与进来。为了方便表示，该项目仅仅针对自动驾驶场景，分类方法按照输入进行划分，特别地，我们也对论文实验对应的论文做出一定的标注。

keywords

inputs

按照传感器的输入： monocular: 单目   stereo: 双目  lidar: 点云 RGB-D: 深度图 
如果是多种传感器融合： image+lidar: 图像+点云  

对应实验数据集

用于标注该文章实验对应的数据集： kitti: KITTI   nuse: NuScence   waymo: Waymo   ATG4D: ATG4D   [lyft]: lyft [ScanNet]: ScanNet [SUN RGB-D]: SUN RGB-D [SceneNN]: SceneNN

代码

标注代码实现框架： Tensorflow: TensorFlow   PyTorch: PyTorch    

2017

• [CVPR] PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation. [tensorflow][pytorch] [lidar]
  声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Gausst松鼠会/article/detail/131901