Autowareにおける三次元物体認識アルゴリズム「PointPillars」の紹介 - TIER IV Tech Blog
こんにちは。 ティアフォーで自動運転ソフトウェア開発を行っている村上です。 今回はDeep Learningを使った三次元物体認識の手法を紹介していきます。 TL;DR: 12msで動作する三次元物体認識アルゴリズムの開発 自動運転におけるDeep Learning 点群を処理するためのDeep Learning ざっと従来手法 従来手法での問題 形状推定の必要性 Deep Learningで可能なこと 三次元物体認識アルゴリズム「PointPillars」の紹介 ざっと類似手法 なぜ「PointPillars」 CUDAとTensorRTによる高速化 最後に 自動運転におけるDeep Learning 自動運転では主に周りの環境を認識する際にDeep Learningを用いることが多いです。画像認識アルゴリズムであるSSD*1やYOLO*2が有名なものになります。 Deep Learni
GitHub - timzhang642/3D-Machine-Learning: A resource repository for 3D machine learning
Princeton Shape Benchmark (2003) [Link] 1,814 models collected from the web in .OFF format. Used to evaluating shape-based retrieval and analysis algorithms. Dataset for IKEA 3D models and aligned images (2013) [Link] 759 images and 219 models including Sketchup (skp) and Wavefront (obj) files, good for pose estimation. Open Surfaces: A Richly Annotated Catalog of Surface Appearance (SIGGRAPH 2013
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
http://bigvid.fudan.edu.cn/pixel2mesh/
Learning Representations and Generative Models for 3D Point Clouds
