当前位置: 首页 > news >正文

网站建设本科毕业论文超级软文

网站建设本科毕业论文,超级软文,react做的网站,建设五证在那个网站可以查1. 解决了什么问题? 单帧数据包含的信息很有限,制约了目前基于视觉的多相机 3D 目标检测方法的性能,尤其是关于速度预测任务,要远落后于基于 LiDAR 和 radar 的方法。 2. 提出了什么方法? BEVDet4D 将 BEVDet 方法从…

1. 解决了什么问题?

单帧数据包含的信息很有限,制约了目前基于视觉的多相机 3D 目标检测方法的性能,尤其是关于速度预测任务,要远落后于基于 LiDAR 和 radar 的方法。

2. 提出了什么方法?

BEVDet4D 将 BEVDet 方法从 3D 扩展到时间+空间的 4D 范畴。作者改进了 BEVDet 框架,在当前帧的特征中融合了之前帧的特征,只增加了少量的计算成本。BEVDet4D 简化了速度预测问题,将其看作为相邻帧特征之间的位置偏移预测问题。如下图,它保留了之前帧的 BEV 特征,将其与当前帧的特征通过空间对齐与 concat 操作融合。
在这里插入图片描述

2.1 网络结构

BEVDet 包括 4 个模块:image-view encoder、view transformer、BEV encder、task-specific head。为了融入时间信息,BEVDet4D 保留了 view transformer 对之前帧生成的特征。然后进行对齐,和当前帧的特征完成融合。View transformer 生成的特征对于后续模块来说,过于稀疏、粗糙。因此在时域融合操作前,有一个调整候选特征的 BEV 编码器,包括 2 个残差单元,通道数和输入特征数一致。

2.2 Simplify the Velocity Learning Task

在这里插入图片描述

符号定义 全局坐标系为 O g − X Y Z O_g - XYZ OgXYZ,自身坐标系为 O e ( T ) − X Y Z O_{e(T)}-XYZ Oe(T)XYZ,目标坐标系为 O t ( T ) − X Y Z O_{t(T)}-XYZ Ot(T)XYZ。如上图,作者构建了一个虚拟场景,包括一辆运动中的 ego 车辆和两个目标车辆。在世界坐标系内,一个目标车辆是静止的(即 O s − X Y Z O_s-XYZ OsXYZ绿色框),一个目标车辆是运动状态的(即 O m − X Y Z O_m-XYZ OmXYZ蓝色框)。两个相邻帧(第 T − 1 T-1 T1帧和第 T T T帧)的物体通过透明度区分。物体的位置表示为 P x ( t ) \text{P}^x(t) Px(t) x ∈ { g , e ( T ) , e ( T − 1 ) } x\in\lbrace g,e(T),e(T-1)\rbrace x{g,e(T),e(T1)}表示坐标系。 t ∈ { T , T − 1 } t\in\lbrace T,T-1\rbrace t{T,T1}表示时间戳。 T s r c d s t \text{T}^{dst}_{src} Tsrcdst表示从源坐标系到目标坐标系的变换。
本文方法不是直接预测目标的速度,而是预测相邻帧之间目标物体的平移量。排除了时间因素,任务就简化了,根据两个 BEV 特征间的差异就可计算出位置的移动。此外,该方法学习的位置移动与 ego 车辆自身的运动是没有关系的,因为 ego 的运动会让目标物体位置移动的分布变得很复杂。
如上图所示,由于 ego 的运动,原本在世界坐标系是静止的物体,在 ego 坐标系就成了运动的了。View transformer 对两个相邻帧生成特征,由于 ego 运动,它们在世界坐标系的感受野是不同的。一个静止物体在前后两帧的世界坐标系位置是 P s g ( T ) \text{P}_s^g(T) Psg(T) P s g ( T − 1 ) P_s^g(T-1) Psg(T1)。位置的移动可以表示为:
P s e ( T ) ( T ) − P s e ( T − 1 ) ( T − 1 ) = T g e ( T ) P s g ( T ) − T g e ( T − 1 ) P s g ( T − 1 ) = T g e ( T ) P s g ( T ) − T e ( T ) e ( T − 1 ) T g e ( T ) P s g ( T − 1 ) \begin{align} &\text{P}_s^{e(T)}(T)-\text{P}_s^{e(T-1)}(T-1)\nonumber \\ =&\text{T}_g^{e(T)}\text{P}_s^g(T)-\text{T}_g^{e(T-1)}\text{P}_s^g(T-1)\nonumber\\ =&\text{T}_g^{e(T)}\text{P}_s^g(T)-\text{T}_{e(T)}^{e(T-1)}\text{T}_{g}^{e(T)}\text{P}_s^g(T-1)\nonumber \end{align} ==Pse(T)(T)Pse(T1)(T1)Tge(T)Psg(T)Tge(T1)Psg(T1)Tge(T)Psg(T)Te(T)e(T1)Tge(T)Psg(T1)

根据上面等式,如果直接将 2 个特征 concat,后续模块的学习目标(即物体在两个特征图的位置偏移)就包含了 ego 运动(即 T e ( T ) e ( T − 1 ) \text{T}_{e(T)}^{e(T-1)} Te(T)e(T1))。为了避免,作者利用 T e ( T − 1 ) e ( T ) \text{T}_{e(T-1)}^{e(T)} Te(T1)e(T)对相邻帧的物体进行变换,排除 ego 运动的影响。

P s e ( T ) ( T ) − T e ( T − 1 ) e ( T ) P s e ( T − 1 ) ( T − 1 ) = T g e ( T ) P s g ( T ) − T e ( T − 1 ) e ( T ) T e ( T ) e ( T − 1 ) T g e ( T ) P s g ( T − 1 ) = T g e ( T ) P s g ( T ) − T g e ( T ) P s g ( T − 1 ) = P s e ( T ) ( T ) − P s e ( T ) ( T − 1 ) \begin{align} &\text{P}_s^{e(T)}(T)-\text{T}_{e(T-1)}^{e(T)}\text{P}_s^{e(T-1)}(T-1)\nonumber \\ =&\text{T}_g^{e(T)}\text{P}_s^g(T)-\text{T}_{e(T-1)}^{e(T)}\text{T}_{e(T)}^{e(T-1)}\text{T}_g^{e(T)}\text{P}_s^g(T-1)\nonumber\\ =&\text{T}_g^{e(T)}\text{P}_s^g(T)-\text{T}_{g}^{e(T)}\text{P}_s^g(T-1)\nonumber\\ =&\text{P}_{s}^{e(T)}(T)-\text{P}_s^{e(T)}(T-1)\nonumber\\ \end{align} ===Pse(T)(T)Te(T1)e(T)Pse(T1)(T1)Tge(T)Psg(T)Te(T1)e(T)Te(T)e(T1)Tge(T)Psg(T1)Tge(T)Psg(T)Tge(T)Psg(T1)Pse(T)(T)Pse(T)(T1)
根据上面等式,学习目标定为了当前帧 ego 坐标系中的物体运动,与 ego 运动就没关系了。该等式的对齐操作通过特征对齐实现。给定之前帧的候选特征 F ( T − 1 , P e ( T − 1 ) ) \mathcal{F}(T-1,\text{P}^{e(T-1)}) F(T1,Pe(T1))以及当前帧的 F ( T , P e ( T ) ) \mathcal{F}(T,\text{P}^{e(T)}) F(T,Pe(T)),通过下面等式实现对齐特征:
F ′ ( T − 1 , P e ( T ) ) = F ( T − 1 , T e ( T ) e ( T − 1 ) P e ( T ) ) \mathcal{F}'(T-1,\text{P}^{e(T)})=\mathcal{F}(T-1,\text{T}_{e(T)}^{e(T-1)}\text{P}^{e(T)}) F(T1,Pe(T))=F(T1,Te(T)e(T1)Pe(T))

T e ( T ) e ( T − 1 ) P e ( T ) \text{T}_{e(T)}^{e(T-1)}\text{P}^{e(T)} Te(T)e(T1)Pe(T)在特征 F ( T − 1 , P e ( T − 1 ) ) \mathcal{F}(T-1,\text{P}^{e(T-1)}) F(T1,Pe(T1))上可能不是一个有效的位置,因此需要使用双线性插值。

3. 有什么优点?

BEVDet4D 预测 velocity 的错误率降低了 − 62.9 % -62.9\% 62.9%,与那些基于 LiDAR 或 radar 的方法表现相近。在 nuScenes 基准上取得了 54.5 % 54.5\% 54.5%NDS。

http://www.15wanjia.com/news/19486.html

相关文章:

  • 惠州网站建设制作公司济南做网站公司
  • 汕头 网站建设数字营销软件
  • 医院网站建设报价关键词密度查询站长工具
  • 深圳找个人做网站重庆排名优化整站优化
  • 网监关闭的网站怎么恢复发外链的平台有哪些
  • 广州祥云平台网站建设广州网站优化系统
  • 凡科网站制作平台深圳seo优化公司搜索引擎优化方案
  • 电脑做网站服务器视频教程网站怎么开发
  • 适合服务行业做推广的网站dy刷粉网站推广马上刷
  • 中国最好的网站建设网络推广和信息流优化一样么
  • 手机网站qq登录插件网站权重什么意思
  • 上海行业网站建设自己怎么开电商平台
  • 浙江耀华建设集团网站关键词seo优化软件
  • 网站首页内容百度seo优化规则
  • 北京公司注册哪个园区免费seo黑帽有哪些技术
  • 做企划的网站镇江百度推广公司
  • 极路由做网站做企业网站哪个平台好
  • 如何制作外贸网站 wordpress建设网站制作公司
  • 网站icp备案号查询网站关键词怎么添加
  • 动漫设计和动漫制作技术哪个更好网站推广seo优化
  • 深圳企业建网站公司手机网站模板下载
  • 在哪个网站做服装代理批发网络营销有什么特点
  • 外贸企业网站源码必应bing搜索引擎
  • 网站域名自己做最简短的培训心得
  • 做什网站好seo外包公司多吗
  • 企业所得税法seo检查工具
  • 南京协会网站建设微信营销平台哪个好
  • 织梦怎么做英文版网站推广优化关键词
  • 建设工程发布公告的网站百度网盘手机版
  • 贵阳做企业网站网站seo查询工具