三维点云处理技术和深度学习在点云处理中的应用(回看)
- 第2章 三维点云表征概述
- 2-1 三维表征的获取方式及原理
- 2-2 三维信息的表征形式
- 2-3 点云的基本特征和描述
- 2-4 课后作业答疑
- 第3章 三维空间变换
- 3-1 欧式坐标系
- 3-2 刚体运动变换(上)
- 3-3 刚体运动变换(下)
- 3-4 三维空间变换
- 第4章 三维点云数据处理基础
- 4-1 Point Cloud Library
- 4-2 点云滤波方法
- 4-3 点云组织形式与最近邻搜索
- 4-4 点云分割 拟合 聚类方法
- 4-5 激光雷达运动补偿方法
- 4-6 点云去地面原理及方法
- 4-7 演示1:点云滤波方法
- 4-8 演示2:点云组织形式与最近邻搜索
- 4-9 演示3:segmentation代码和聚类 拟合
- 4-10 演示4:点云去地面原理及发法
- 4-11 课后作业答疑
- 第5章 点云配准与点云SLAM基础
- 5-1 点云配准方法(上)
- 5-2 点云配准方法(下)
- 5-3 SLAM基础框架
- 5-4 帧间匹配与激光里程计
- 5-5 SLAM图优化基础
- 5-6 课后作业答疑
- 第6章 点云识别与跟踪描述
- 6-1 点云关键点检测
- 6-2 点云常用特征描述(上)
- 6-3 点云常用特征描述(下)
- 6-4 课后作业答疑
- 6-5 精神网络设计与机器学习
- 第7章 深度学习方法基础
- 7-1 深度学习介绍
- 7-2 一种简单的人工神经网络
- 7-3 深度学习网络结构(上)
- 7-4 深度学习网络结构(下)
- 7-5 深度学习网络训练优化
- 7-6 点云处理的深度学习介绍
- 第8章 基于深度学习的点云分类方法
- 8-1 点云分类网络设计基础(上)
- 8-2 点云分类网络设计基础(下)
- 8-3 Pointwise MLP:PointNet,PointNet++(上)
- 8-4 Pointwise MLP:PointNet,PointNet++(下)
- 第9章 基于深度学习的点云分割方法
- 9-1 点云分割网络设计基础
- 9-2 Graph-based:KCNet
- 9-3 Graph-based:DGCNN
- 9-4 Data Indexing-based:SO-Net
- 9-5 Convolution-based:pointCNN
- 9-6 Convolution-based:KPConv
- 第10章 基于深度学习的点云注册方法
- 10-1 点云注册网络设计基础(上)
- 10-2 点云注册网络设计基础(下)
- 10-3 Metric based:3DMatch
- 10-4 Metric based:3DFeatNet
- 10-5 Regression based:Deep Closest Point
- 第11章 基于深度学习的点云重识别与重定位
- 11-1 点云重识别和重定位方法
- 11-2 Point-to-Point:Flownet3D
- 11-3 Frame-to-Frame:Deep Closest Point
- 11-4 Frame-to-Frame:DeepVCP
- 11-5 Frame-to-Map:L3-Net
- 第12章 基于深度学习的点云物体识别
- 12-1 Point cloud Object Detection(上)
- 12-2 Point cloud Object Detection(下)
- 12-3 3D Datasets
- 12-4 深度学习点云物体识别任务指标
- 12-5 点云物体识别网络梳理(上)
- 12-6 点云物体识别网络梳理(下)