【综述】【点云算法】纽约大学&Uber汇总108篇参考文献，概述了自动驾驶的3D点云处理算法

论文地址：https://arxiv.org/pdf/2003.00601.pdf 代码： 来源：三菱电机，纽约大学，Uber(ATG部门)等 论文名称：3D Point Cloud Processing and Learning for Autonomous Driving 原文作者：Siheng Chen

本文对自动驾驶中的3D点云处理和学习进行了综述。LiDAR传感器是自动驾驶车辆中最重要的传感器之一，它采集3D点云，精确的记录物体和场景的外表面。3D点云处理和学习工具对于自动驾驶车辆中的地图创建、定位和感知模块至关重要。在目前研究者关注从摄像机中采集到的图像、视频等数据的同时，已经有越来越多的研究者认识到LiDAR在自动驾驶中的重要性和意义，提出了基于3D点云的处理和学习算法。本文回顾了该研究领域的最新进展，总结了目前自动驾驶领域已经尝试使用的和需要的使用的实用方法。本文还提供了未来需要解决的开放问题的一些观点。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。