來源丨h(huán)ttps://zhuanlan.zhihu.com/p/508859024過去很多年激光雷達(dá)的車規(guī)標(biāo)準(zhǔn)和高昂價(jià)格是阻礙其量產(chǎn)落地的主要因素，最近兩三年隨著速騰、禾賽、大疆、圖達(dá)通、Luminar等廠家混合固態(tài)激光雷達(dá)的量產(chǎn)，新勢(shì)力車企、互聯(lián)網(wǎng)車企陸續(xù)發(fā)布與交付了基于激光雷達(dá)的車型，比如：小鵬P5、蔚來ET7/ET5、集度概念車、威馬M7、智己L7、高合HiPhiZ、沙龍機(jī)甲龍、極狐HBT，混合固態(tài)激光雷達(dá)即將進(jìn)入批量量產(chǎn)的前夜。后續(xù)隨著各大廠商智能電動(dòng)車型的大規(guī)模量產(chǎn)與交付，混合固態(tài)激光雷達(dá)可能將會(huì)是主流車型的標(biāo)配。LiDAR感知、定位、建圖、預(yù)測(cè)算法功能的開發(fā)將在車企/供應(yīng)商ADAS團(tuán)隊(duì)中占比越來越多，不再僅僅是一個(gè)輔助/真值系統(tǒng)的存在。最近疫情在家，對(duì)過去幾年學(xué)習(xí)、積累的LiDAR目標(biāo)檢測(cè)算法(不包含傳統(tǒng)算法、車道線、FreeSpace檢測(cè))論文做了總結(jié)，共計(jì)有54篇論文及代碼，有些是基礎(chǔ)網(wǎng)絡(luò)算法，有些經(jīng)典的、最新的算法也可作為工程落地的參考方案。基于激光雷達(dá)點(diǎn)云的3D目標(biāo)檢測(cè)算法有很多種方法：傳統(tǒng)聚類方法，點(diǎn)云、體素化、柱狀化，RangeView、BirdEyeView，多幀、多視圖，OneStage、TwoStage，AnchorBased、AnchroFree、關(guān)鍵點(diǎn)、中心點(diǎn)、Voting、與分割結(jié)合、結(jié)合反射強(qiáng)度與線束角、轉(zhuǎn)為深度圖，知識(shí)蒸餾、Transformer、Atteintion、半監(jiān)督，2DCNN、3D稀疏卷積、圖卷積，與Camera圖像數(shù)據(jù)數(shù)據(jù)融合、特征融合。從現(xiàn)階段角度，激光雷達(dá)本身還有很多工程問題(布置、噪聲、標(biāo)定、同步、畸變、補(bǔ)償、安全)需要嘗試和解決，還有一個(gè)難點(diǎn)是網(wǎng)絡(luò)模型在嵌入式平臺(tái)的部署與優(yōu)化。但是對(duì)于目標(biāo)檢測(cè)算法本身，還是先基于CNN、BEV、AnchorBased/中心點(diǎn)為基礎(chǔ)算法完成工程落地，后續(xù)逐漸升級(jí)到以Transformer/Fusion框架的大感知框架。先以LiDAR/Camera后融合為主，可能的話，逐漸走向前融合的方案。題目：3DSSD: Point-based 3D Single Stage Object Detector名稱：3DSSD：基于點(diǎn)的 3D 單級(jí)物體檢測(cè)器論文：https://arxiv.org/abs/2002.10187代碼：https://github.com/tomztyang/3DSSD題目：AFDet: Anchor Free One Stage 3D Object Detection名稱：AFDet：無錨的一級(jí) 3D 對(duì)象檢測(cè)論文：https://arxiv.org/abs/2006.12671題目：Associate-3Ddet: Perceptual-to-Conceptual Association for 3D Point Cloud Object Detection名稱：Associate-3Ddet：3D 點(diǎn)云對(duì)象檢測(cè)的感知到概念關(guān)聯(lián)論文：https://arxiv.org/abs/2006.04356題目：Back to Reality: Weakly-supervised 3D Object Detection with Shape-guided Label Enhancement名稱：回到現(xiàn)實(shí)：帶有形狀引導(dǎo)標(biāo)簽增強(qiáng)的弱監(jiān)督 3D 對(duì)象檢測(cè)論文：https://arxiv.org/abs/2203.05238代碼：https://github.com/wyf-ACCEPT/BackToReality題目：BEVDetNet: Bird's Eye View LiDAR Point Cloud based Real-time 3D Object Detection for Autonomous Driving名稱：BEVDetNet：基于鳥瞰 LiDAR 點(diǎn)云的自動(dòng)駕駛實(shí)時(shí) 3D 對(duì)象檢測(cè)論文：https://arxiv.org/abs/2104.10780題目：BirdNet: a 3D Object Detection Framework from LiDAR information名稱：BirdNet：來自 LiDAR 信息的 3D 對(duì)象檢測(cè)框架論文：https://arxiv.org/abs/1805.01195題目：BirdNet+: End-to-End 3D Object Detection in LiDAR Bird's Eye View名稱：BirdNet+：LiDAR 鳥瞰圖中的端到端 3D 對(duì)象檢測(cè)論文：https://arxiv.org/abs/2003.04188題目：Canonical Voting: Towards Robust Oriented Bounding Box Detection in 3D Scenes名稱：規(guī)范投票：在 3D 場(chǎng)景中實(shí)現(xiàn)穩(wěn)健的定向邊界框檢測(cè)論文：https://arxiv.org/abs/2011.12001代碼：https://github.com/qq456cvb/CanonicalVoting題目：CenterNet3D: An Anchor Free Object Detector for Point Cloud名稱：用于自動(dòng)駕駛的無錨物體檢測(cè)器論文：https://arxiv.org/abs/2007.07214代碼：https://github.com/wangguojun2018/CenterNet3d題目：Center-based 3D Object Detection and Tracking名稱：基于中心的3D目標(biāo)檢測(cè)和跟蹤論文：https://arxiv.org/abs/2006.11275代碼：https://github.com/tianweiy/CenterPoint題目：CG-SSD: Corner Guided Single Stage 3D Object Detection from LiDAR Point Cloud名稱：CG-SSD：來自 LiDAR 點(diǎn)云的角引導(dǎo)單級(jí) 3D 對(duì)象檢測(cè)論文：https://arxiv.org/abs/2202.11868題目：CIA-SSD: Confident IoU-Aware Single-Stage Object Detector From Point Cloud名稱：CIA-SSD：來自點(diǎn)云的自信的 IoU 感知單級(jí)目標(biāo)檢測(cè)器論文：https://arxiv.org/abs/2012.03015代碼：https://github.com/Vegeta2020/CIA-SSD題目：Class-balanced Grouping and Sampling for Point Cloud 3D Object Detection名稱：用于點(diǎn)云 3D 對(duì)象檢測(cè)的類平衡分組和采樣論文：https://arxiv.org/abs/1908.09492題目：Complex-YOLO: Real-time 3D Object Detection on Point Clouds名稱：Complex-YOLO：點(diǎn)云上的實(shí)時(shí) 3D 對(duì)象檢測(cè)論文：https://arxiv.org/abs/1803.06199代碼：https://github.com/AI-liu/Complex-YOLO題目：Improving 3D Object Detection with Channel-wise Transformer名稱：使用 Channel-wise Transformer 改進(jìn) 3D 對(duì)象檢測(cè)論文：https://arxiv.org/abs/2108.10723題目：Deformable PV-RCNN: Improving 3D Object Detection with Learned Deformations名稱：可變形 PV-RCNN：通過學(xué)習(xí)變形改進(jìn) 3D 對(duì)象檢測(cè)論文：https://arxiv.org/abs/2008.08766題目：End-to-End Pseudo-LiDAR for Image-Based 3D Object Detection名稱：用于基于圖像的 3D 對(duì)象檢測(cè)的端到端偽激光雷達(dá)論文：https://arxiv.org/abs/2004.03080代碼：https://github.com/mileyan/pseudo-LiDAR_e2e論文：https://arxiv.org/abs/1908.02990題目：FVNet: 3D Front-View Proposal Generation for Real-Time Object Detection from Point Clouds名稱：FVNet：用于從點(diǎn)云進(jìn)行實(shí)時(shí)對(duì)象檢測(cè)的 3D 前視圖建議生成論文：https://arxiv.org/abs/1903.10750題目：From Multi-View to Hollow-3D: Hallucinated Hollow-3D R-CNN for 3D Object Detection名稱：從多視圖到 Hollow-3D：用于 3D 對(duì)象檢測(cè)的幻覺 Hollow-3D R-CNN論文：https://arxiv.org/abs/2107.14391題目：Object as Hotspots: An Anchor-Free 3D Object Detection Approach via Firing of Hotspots名稱：對(duì)象即熱點(diǎn)：通過觸發(fā)熱點(diǎn)的無錨 3D 對(duì)象檢測(cè)方法論文：https://arxiv.org/abs/1912.12791題目：HVPR: Hybrid Voxel-Point Representation for Single-stage 3D Object Detection名稱：HVPR：用于單級(jí) 3D 對(duì)象檢測(cè)的混合體素點(diǎn)表示論文：https://arxiv.org/abs/2104.00902題目：Not All Points Are Equal: Learning Highly Efficient Point-based Detectors for 3D LiDAR Point Clouds名稱：并非所有點(diǎn)都是平等的：學(xué)習(xí)用于 3D LiDAR 點(diǎn)云的高效基于點(diǎn)的檢測(cè)器論文：https://arxiv.org/abs/2203.11139代碼：https://github.com/yifanzhang713/IA-SSD題目：LaserNet: An Efficient Probabilistic 3D Object Detector for Autonomous Driving名稱：LaserNet：用于自動(dòng)駕駛的高效概率 3D 對(duì)象檢測(cè)器論文：https://arxiv.org/abs/1903.08701名稱：LiDAR R-CNN：一種高效且通用的 3D 物體檢測(cè)器論文：https://arxiv.org/abs/2103.15297代碼：https://github.com/tusimple/LiDAR_RCNN題目：MLCVNet: Multi-Level Context VoteNet for 3D Object Detection名稱：MLCVNet：用于三維目標(biāo)檢測(cè)的多級(jí)上下文VoteNet論文：https://openaccess.thecvf.com/content_CVPR_2020/papers/Xie_MLCVNet_Multi-Level_Context_VoteNet_for_3D_Object_Detection_CVPR_2020_paper.pdf代碼：https://github.com/NUAAXQ/MLCVNet題目：End-to-End Multi-View Fusion for 3D Object Detection in LiDAR Point Clouds名稱：用于 LiDAR 點(diǎn)云中 3D 對(duì)象檢測(cè)的端到端多視圖融合論文：https://arxiv.org/abs/1910.06528題目：From Points to Parts: 3D Object Detection from Point Cloud with Part-aware and Part-aggregation Network名稱：從點(diǎn)到部分：使用部分感知和部分聚合網(wǎng)絡(luò)從點(diǎn)云進(jìn)行 3D 對(duì)象檢測(cè)論文：https://arxiv.org/abs/1907.03670代碼：https://github.com/sshaoshuai/PointCloudDet3D題目：PIXOR: Real-time 3D Object Detection from Point Clouds名稱：PIXOR：點(diǎn)云的實(shí)時(shí) 3D 對(duì)象檢測(cè)論文：https://arxiv.org/abs/1902.06326題目：3D Object Detection with Pointformer名稱：3D Object Detection with Pointformer論文：https://arxiv.org/abs/2012.11409代碼：https://github.com/Vladimir2506/Pointformer題目：Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud名稱：Point-GNN：用于點(diǎn)云中 3D 對(duì)象檢測(cè)的圖神經(jīng)網(wǎng)絡(luò)論文：https://arxiv.org/abs/2003.01251代碼：https://github.com/WeijingShi/Point-GNN題目：PointPillars: Fast Encoders for Object Detection from Point Clouds名稱：PointPillars：點(diǎn)云目標(biāo)檢測(cè)的快速編碼器論文：https://arxiv.org/abs/1812.05784論文：https://openaccess.thecvf.com/content_CVPR_2019/papers/Lang_PointPillars_Fast_Encoders_for_Object_Detection_From_Point_Clouds_CVPR_2019_paper.pdf代碼：https://github.com/nutonomy/second.pytorch題目：PointRCNN: 3D Object Proposal Generation and Detection from Point Cloud名稱：PointRCNN：來自點(diǎn)云的 3D 對(duì)象建議生成和檢測(cè)論文：https://arxiv.org/abs/1812.04244代碼：https://github.com/sshaoshuai/PointRCNN題目：Pseudo-LiDAR from Visual Depth Estimation: Bridging the Gap in 3D Object Detection for Autonomous Driving名稱：來自視覺深度估計(jì)的偽激光雷達(dá)：彌合自動(dòng)駕駛 3D 對(duì)象檢測(cè)的差距論文：https://arxiv.org/abs/1812.07179代碼：https://github.com/mileyan/pseudo_lidar題目：PU-Net: Point Cloud Upsampling Network名稱：PU-Net：點(diǎn)云上采樣網(wǎng)絡(luò)論文：https://openaccess.thecvf.com/content_cvpr_2018/papers/Yu_PU-Net_Point_Cloud_CVPR_2018_paper.pdf代碼：https://github.com/yulequan/PU-Net題目：Point-Voxel CNN for Efficient 3D Deep Learning名稱：用于高效 3D 深度學(xué)習(xí)的點(diǎn)體素 CNN論文：https://arxiv.org/abs/1907.03739主頁：https://pvcnn.mit.edu/項(xiàng)目：https://developer.nvidia.com/blog/point-voxel-cnn-3d/題目：PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection名稱：PV-RCNN：用于 3D 對(duì)象檢測(cè)的點(diǎn)體素特征集抽象論文：https://arxiv.org/abs/1912.13192代碼：https://github.com/open-mmlab/OpenPCDet題目：PV-RCNN++: Point-Voxel Feature Set Abstraction With Local Vector Representation for 3D Object Detection名稱：PV-RCNN++：用于 3D 對(duì)象檢測(cè)的具有局部向量表示的點(diǎn)體素特征集抽象論文：https://arxiv.org/abs/2102.00463代碼：https://github.com/open-mmlab/OpenPCDet題目：RangeDet:In Defense of Range View for LiDAR-based 3D Object Detection名稱：RangeDet：為基于 LiDAR 的 3D 對(duì)象檢測(cè)保護(hù)范圍視圖論文：https://arxiv.org/abs/2103.10039題目：SA-Det3D: Self-Attention Based Context-Aware 3D Object Detection名稱：SA-Det3D：基于自注意力的上下文感知 3D 對(duì)象檢測(cè)論文：https://arxiv.org/abs/2101.02672代碼：https://github.com/AutoVision-cloud/SA-Det3D題目：SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object Detection名稱：SASA：基于點(diǎn)的 3D 對(duì)象檢測(cè)的語義增強(qiáng)集抽象論文：https://arxiv.org/pdf/2201.01976.pdf代碼：https://github.com/blakechen97/SASA題目：Structure Aware Single-stage 3D Object Detection from Point Cloud名稱：基于點(diǎn)云的結(jié)構(gòu)感知單級(jí)三維目標(biāo)檢測(cè)論文：https://www4.comp.polyu.edu.hk/~cslzhang/paper/SA-SSD.pdf代碼：https://github.com/skyhehe123/SA-SSD題目：SECOND: Sparsely Embedded Convolutional Detection論文：https://www.mdpi.com/1424-8220/18/10/3337題目：SE-SSD: Self-Ensembling Single-Stage Object Detector From Point Cloud名稱：SE-SSD：來自點(diǎn)云的自集成單級(jí)目標(biāo)檢測(cè)器論文：https://arxiv.org/abs/2104.09804代碼：https://github.com/Vegeta2020/SE-SSD題目：SIENet: Spatial Information Enhancement Network for 3D Object Detection from Point Cloud名稱：SIENet：用于從點(diǎn)云進(jìn)行 3D 對(duì)象檢測(cè)的空間信息增強(qiáng)網(wǎng)絡(luò)論文：https://arxiv.org/abs/2103.15396題目：SS3D: Single Shot 3D Object Detector論文：https://arxiv.org/abs/2004.14674題目：Embracing Single Stride 3D Object Detector with Sparse Transformer名稱：使用 Sparse Transformer 擁抱單步 3D 對(duì)象檢測(cè)器論文：https://arxiv.org/abs/2112.06375代碼：https://github.com/TuSimple/SST題目：STD: Sparse-to-Dense 3D Object Detector for Point Cloud名稱：STD：點(diǎn)云的稀疏到密集 3D 對(duì)象檢測(cè)器論文：https://arxiv.org/abs/1907.10471題目：TANet: Robust 3D Object Detection from Point Clouds with Triple Attention名稱：TANet：來自具有三重注意力的點(diǎn)云的穩(wěn)健 3D 對(duì)象檢測(cè)論文：https://arxiv.org/abs/1912.05163題目：Deep Hough Voting for 3D Object Detection in Point Clouds名稱：用于點(diǎn)云中 3D 對(duì)象檢測(cè)的深度霍夫投票論文：https://arxiv.org/abs/1904.09664代碼：https://github.com/facebookresearch/votenet題目：Voxel Transformer for 3D Object Detection名稱：用于 3D 對(duì)象檢測(cè)的體素轉(zhuǎn)換器論文：https://arxiv.org/abs/2109.02497代碼：https://github.com/PointsCoder/VOTR題目：Voxel-FPN: multi-scale voxel feature aggregation in 3D object detection from point clouds名稱：Voxel-FPN：點(diǎn)云 3D 對(duì)象檢測(cè)中的多尺度體素特征聚合論文：https://arxiv.org/abs/1907.05286題目：VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection名稱：VoxelNet：基于點(diǎn)云的 3D 對(duì)象檢測(cè)的端到端學(xué)習(xí)論文：https://arxiv.org/abs/1711.06396代碼：https://github.com/qianguih/voxelnet題目：Voxel R-CNN: Towards High Performance Voxel-based 3D Object Detection名稱：Voxel R-CNN：邁向高性能基于體素的 3D 對(duì)象檢測(cè)論文：https://arxiv.org/abs/2012.15712
本文僅做學(xué)術(shù)分享，如有侵權(quán)，請(qǐng)聯(lián)系刪文。
下載APP