Introduction(To Read)
- A Survey of Human-Sensing: Methods for Detecting Presence, Count, Location, Track, and Identity, THIAGO TEIXEIRA, Yale University,2010
- Ten Years of Pedestrian Detection,What Have We Learned?: arXiv2014, Camera기반 탐지 기법 서베이 논문
CNN for Very Fast Ground Segmentation in Velodyne LiDAR Data: ICRA 2018
안녕하세요. 말씀 드렸던 참고 하실만한 논문을 보내드립니다.
모델 기반 Detection은 아래 논문을 참고 하면 되는데 사람에 대한 모델링은 아닙니다. 모델링은 따로 하셔야 할 것 같습니다.
Model Based Vehicle Tracking for AutonomousDriving in Urban Environments
Camera-Lidar Calibration은 Kitti에서 나온 논문을 참고 하시면 되는데 다양한 논문들이 있지만 데이터 가공에 대한 내용이 조금씩
다를 뿐 핵심적인 내용은 크게 다르지 않습니다.
Automatic Camera and Range Sensor Calibration using a single Shot
3D Perception은 아래 논문을 참고 하시면 되며 네트워크의 구성은 거의 동일 하며 두번째는 좀 더 발전된 행태로
3D BBox의 Regression을 더 잘 하기 위해 데이터를 가공하는 단계가 추가 되었습니다. 세번째는 Lidar 만을 사용 합니다.
Multi-View 3D Object Detection Network for Autonomous Driving
Joint 3D Proposal Generation and Object Detection from View Affregation
VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection
Point Cloud를 다루는 Library는 PCL을 보편적으로 사용하고 Algorithm, Visualization도 포함하고 있습니다.
Python 에서는 Mayavi를 사용 하시면 Visualization을 조금 더 쉽게 쓸 수 있습니다.