kk's Blog
2022
07
27
BEVFormer论文解读 BEVFormer论文解读
BEVFormer论文解读 BEVFormerBEVFormer是自顶向下的稠密BEV特征建模。文章主要是把DETR3D思想中的3D特征反投影到2D图像上以得到密集、准确的BEV特征，从而能够在此基础上更好的进行检测、分割。如果说DETR3
2022-07-27 Paper
Multi-view 3D BEV Perception Attention
26
BEV模型深度估计模块Overview BEV模型深度估计模块Overview
本文对BEV模型深度估计模块进行了梳理。 1.图像特征直接卷积LSS、Fiery、BEVDet 深度估计模块（均为原始的LSS的模块，这里以Fiery的模块为例） loss计算 没有单独计算Depth部分的loss，直接计算的3D
2022-07-26 系统梳理
Multi-view 3D
18
3D目标框解耦方案梳理 3D目标框解耦方案梳理
本文对3D目标框解耦方案进行了梳理。 直接通过RGB图像预测3D目标框由于深度信息的缺失存在困难，但由于自动驾驶场景中关注的目标尺寸比较一致，可以通过借鉴2D-3D的一致性信息作为先验来提升模型效果。因此，存在不同的3D目标框解耦方案，以下
2022-07-18 系统梳理
Multi-view 3D Mono3D
17
BEVDepth论文解读 BEVDepth论文解读
BEVDepth论文解读 BEVDepth整体结构BEVDepth认为深度估计对于基于相机的3D目标检测来说至关重要，因此尝试利用显式深度监督来解决这个问题。BEVDepth实际上是在LSS的投影方法的基础上增加准确的深度估计模块和显式的深
2022-07-17 Paper
LSS Multi-view 3D BEV Perception AAAI
08
BEVDet论文解读 BEVDet论文解读
BEVDet论文解读 BEVDet整体结构BEVDet是一个比较经典的在BEV视角下进行3D目标检测的范式，这种表示方式能够给下游的路径规划等任务带来极大的便利。BEVDet主要是重用现有的模块来构建其框架，但通过构建独占数据增强策略和升级
2022-07-08 Paper
LSS Multi-view 3D BEV Perception