会不会耗费计算资源，会的而且很多。类比图像的尺度以imagenet为例，输入到网络的图像像素 255 * 255 ~ 65026个像素单位参与2D卷积，如果以很早的基于VGG的VoxNet去处理，不做任何输入提取的优化，可以类比的点云规模约为 （40,40,40）~ 64000观测点。 对于第一个和第二个问题，如PPT讲述，首先将问题设计为离线计算环境，如mapping后端等；这样我们的架构就以离线处理为核心，可以引入ROIAlign，多尺度金字塔等处理手段；其次，我们已经提到卷积本质是线性加权，在3d空间中最接近的就是聚类，我们通过将点聚类到3D Super Point 然后在通过滑动窗口，进行尺度变换，将规模压下来 对于第三个问题，（1）以PointNet++为例，实践中已经可以用来做一些灯杆检测，代替传统要素提取的基于图、聚类等方案，因为其数据集十分单薄（ShapeNet），对于我们开发者来...

评论 Yiakwy：对于第三个问题，（1）以PointNet++为例，实践中已经可以用来做一些灯杆检测，代替传统要素提取的基于图、聚类等方案，因为其数据集十分单薄（ShapeNet），对于我们开发者来说，就是一个潜在的绝好机会, 进行算法优化来解决精度，这是这里会分享私货的原因之一；（2）准确率和召回率低不会卡住计算流程，一般会进行质检抽查，归为生产工艺。

1）真实数据很多，缺得是标注数据；所以本质是标注问题，这个PPT已经有分析，并分享了一个私货处理方式或者说算法 2）同上 3）MediaPipe这个正好之前有调研和分析，我还就这个问题有问过华为云的陈亮老师，先做一个评价。然后在分析其性能。结论仅代表个人观点。 MediaPipe是基于视觉的，而且并未抽象出深度图这个中间层，我有理由认为MediaPipe缺乏对激光雷达等数据源处理经验，比如点的密度控制，精度控制等。

评论 Yiakwy：从理论上看视觉SLAM本身就有针对稠密点建模的技术方案，可以参见DTAM有比较大的理论意义，即在极线上搜索voxel块，有机会取得投射误差极小值，而这个极小值，就是整副画面深度的较佳估计。从方法论上看，深度估计的经典模型是线性的，按不同阶段，有不同方法去处理，精度的突破口在初始化上，其他阶段都比较平稳。深度估计模型中，最主要是还是深度特征的提取，这里PPT也提到了。 从工程实践上看Mediapipe把目标检测，Tracking，深度估计包装在一个计算图里。理论上你如果不跑BP操作，你都可以用一个树形模型来跑计算流程但是如果不去做经典的计算在设备上的分配优化，其实没有太多收益。我在最初发布时测试了几个带有深度估计的模型，发现只有单目标跟踪，且没有唯一的ObjectID打印出来，这是让人困惑其实现方法。

评论 Yiakwy：从结果上看，追踪25FPS真不高。读者可以参考下PaddleSlim 优化的Yolov3部署模型，可以达到的检测效率，在100FPS左右。对于手持相机视频帧来说，预测模块用稠密光流实现，计算很快；跟踪的核心模块如果用KM算法代替，只有少量不到1ms的损失，因为参与KM算法的匹配对只有3~5对，迭代5步即收敛。 最后我觉得最大的问题是，MediaPipe在检测跟踪方面，没有提一点monodepth, VSLAM等前人相关的经典计算成果，个人 认为有一些不太妥当。。。

可以关注下动手实践的活动，有很多有趣的朋友会做一些分享，可以关注下，会手把手教你哈

本专题是以建图后端为背景，讨论一个和目标检测有关的技术，告诉大家，目标检测除了用作安防场景，实时目标感知模块，还可以用在很多地方。我们这个模块是离线处理的。定位软件会有一个简单的目标检测用于提取特征，进行地图快召回，计算优化会根据芯片厂商方案（如高通芯片的推理套件），但不是本方案的分享重点。 ModelArts是一个SAAS和IAAS平台的结合的智能云服务平台。如何打通端到云，需要杀手级的应用。高精地图软件后端设施是非常吃资源的，同时定位部分也非常依赖芯片和端上设备。因此我坚信未来会有更多机会和ModleArts合作，敬请期待。

这个问题太大了，我不好回答。 从业人员肯定会一直做下去把路子拓广，从末端物流，干线物流景落地，环卫，打车的。目前看还是低速场景好做。形势还是有些严峻 研究人员能找到的问题越多，越好，意味着有更多产出。 企业可以用来提升估值，造福基础设施，整合技术体系；要做到活得久，商业可行，技术点明确是关键。 他们都有光明的前途。

高精地图的出现是为了适应单车智能对检测性能、定位的要求，并结合普通地图技术，SLAM形成的独立软件系统。建图会花费大量成本，目前行业情况应该是，每公里千元起步。

指得是综合核算成本