本文主要是介绍3D目标检测论文方法汇总 【2021部分持续更新中~】，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

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  
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 

代码

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

2017

• [CVPR] PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation. [tensorflow][pytorch] [lidar]

这篇关于3D目标检测论文方法汇总 【2021部分持续更新中~】的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！