典型文献
基于深度学习的三维目标检测方法研究综述
文献摘要：
作为计算机视觉的基础算法,目标检测被广泛应用于自动驾驶、智能导航、视频监控、工业检测、航空航天等诸多领域,已成为深度学习的热门研究方向之一.随着深度传感器和三维激光扫描仪的普及运用,基于点云的三维目标检测得到广泛关注,其性能也随着深度学习的迅速发展而显著提升.首先从点云的稀疏性、离散性、无序性和旋转平移不变性等自身特性入手,分析了基于点云的目标检测难点,以及将深度学习应用于三维点云面临的挑战,然后总结了基于图像视锥、基于数据降维、基于原始点云3类三维目标检测方法,介绍了近几年提出的典型三维目标检测网络,比较了每类方法的优势劣势,提炼了每类方法的工作原理和主要创新点,最后对三维目标检测未来研究方向进行了展望.
文献关键词：
机器视觉;三维目标检测;点云;深度学习
中图分类号：
作者姓名：
张冬冬;郭杰;陈阳
作者机构：
陆军工程大学野战工程学院,南京 210007
文献出处：
引用格式：
[1]张冬冬;郭杰;陈阳-.基于深度学习的三维目标检测方法研究综述)[J].机电工程技术,2022(04):5-11
A类：
B类：
三维目标检测,目标检测方法,计算机视觉,自动驾驶,智能导航,视频监控,工业检测,航空航天,深度传感器,三维激光扫描仪,稀疏性,离散性,平移不变性,学习应用,三维点云,视锥,数据降维,始点,目标检测网络,每类,创新点,未来研究方向,机器视觉
AB值：
0.293058
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
