BEV系列 | Sparse4D-V1论文详解

文章预览

作者 | 狗蛋 编辑 | 自动驾驶之心 原文链接：https://zhuanlan.zhihu.com/p/12072522979 点击下方 卡片 ，关注“ 自动驾驶之心 ”公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 >> 点击进入→ 自动驾驶之心 『 BEV感知 』 技术交流群 本文只做学术分享，如有侵权，联系删文 1.研究介绍 看到算法带有版本号就让人yolo,从第1代干到现在的11代了，以前还能说清楚yolo1到yolo3的改进和差异，当发展到11代就很难想起他们的差异了。Sparse4D目前已经发展到第三代了。 paper: arXiv reCAPTCHA github:https://github.com/linxuewu/Sparse4D 与基于BEV的方法相比，基于稀疏方法的性能较为落后，但仍然具有许多不可忽视的优点。为了进一步推动稀疏3D检测的发展，本文通过 稀疏采样 和 融合时空特征 进行锚框的迭代优化。 （1）稀疏4D采样 对于每个3D anchor，分配多个4D关键点，这些关键点 ………………………………