《表3 本文算法运行平均时间(ms)》
以上为实验的主观结果,但要是衡量点云补全算法在目标检测任务中的有效性,还需要从客观的目标检测结果的平均精度(average precision,AP)来分析。表3给出了在Nvidia GeForce 1060TiGPU,Ubuntu16.04,Python2.7,Tensorflow1.12实验配置下,本文算法各个环节运行的平均时间。表4是不同算法对KITTI数据集中的车辆目标进行检测的结果,结果中的简单、中等、困难表示不同遮挡情况以及稀疏程度的点云。目标检测的IOU阈值设定为0.7。
图表编号 | XD00194634400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 徐晨、倪蓉蓉、赵耀 |
绘制单位 | 北京交通大学信息科学研究所、现代信息科学与网络技术北京市重点实验室、北京交通大学信息科学研究所、现代信息科学与网络技术北京市重点实验室、北京交通大学信息科学研究所、现代信息科学与网络技术北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |