PointNet++学习

最新推荐文章于 2025-06-10 22:03:14 发布
最新推荐文章于 2025-06-10 22:03:14 发布
阅读量138 收藏
点赞数
文章标签： 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Dan_Ao/article/details/133611411
版权

在这里插入图片描述

我的任务：目标检测
在这里插入图片描述

在这里插入图片描述
无序性就带来了置换不变性：
在这里插入图片描述

前置学习

基础blog

PyTorch实现MLP的两种方法nn.Linear和nn.Conv1d
在这里插入图片描述

以前用了三种方式来处理点云：

在这里插入图片描述

FPS——最远点采样

在这里插入图片描述

PointNet原理

作者考虑到了：无序性 & 几何变换对分类无影响 & 无序输入
在这里插入图片描述

PointNet 物体分类时的网络结构

在这里插入图片描述
T-net张什么样
在这里插入图片描述

上面有两个transform,就感觉是角度的转换，旋转到某一个角度的时候，就容易看得清。
他最后得到了一个global feature这么一个东西，相当于有了总体认识。
然后就可以识别一下这个东西是什么玩意。

PointNet 物体分割时的网络结构

在这里插入图片描述
分隔任务就是要对点进行分类，我需要将点归到某一个类当中。
点 + 全局信息 => 能够进行判断当前点属于 飞机翅膀？ 飞机机头？

鲁棒性

在这里插入图片描述
在这里插入图片描述
鲁棒性可解释性：
在这里插入图片描述
他这个maxpool 得到的是 global feature.
其实就是 critical points.
在这里插入图片描述

为什么要选择PointNet

在这里插入图片描述

PointNet++

3D CNN 获取全局信息

在这里插入图片描述

PointNet++的原理

简明：局部多次使用PointNet
它可以做到：

  • 多尺度的特征学习
  • 旋转不变性
  • 置换不变性
    在这里插入图片描述
    在这里插入图片描述

在这里插入图片描述
怎么选择区域呢？

  • K 近邻
  • Ball query

怎么选的点呢？
两种方法：

  • 平均采样
  • 最远采样
    在这里插入图片描述

在这里插入图片描述
上面用到了插值，有什么实现的方式呢？
在这里插入图片描述
激光雷达扫描到的图像有近密远疏的特性。
那么我们在采样的时候，采样的半径需要进行考虑，密集区域圈小点，稀疏区域圈大点。

PointNet++ 的鲁棒性提升

在这里插入图片描述
Solution:
在这里插入图片描述
用完这两种方法之后，鲁棒性直接提升
在这里插入图片描述

跑通PointNet++

在这里插入图片描述

PointNet++的代码解读

  1. PointNet跑通
  2. 声呐、双目、RGB数据转换成 -> 3D
  3. 点云的标注软件， 是否能直接检测出来鱼

在这里插入图片描述

叮当蛙
关注
基于深度学习的实时激光雷达点云目标检测及ROS实现
api_debug626的博客
09-26 1371
然后，我们将接收到的激光雷达数据转换为点云数据，并输入到训练好的PointPillars模型中进行目标检测。通过将训练好的模型与ROS集成，我们可以实现在机器人系统中进行实时的激光雷达目标检测。接收到激光雷达数据后，我们将其转换为点云数据，并输入到PointPillars模型中进行目标检测。在本文中，我们选择PointPillars作为我们的目标检测模型，并使用KITTI数据集进行训练。完成激光雷达点云目标检测模型的训练后，我们需要将该模型与ROS进行集成，并实现实时的激光雷达点云目标检测。
Mask R-CNN 点云数据集信息提取
CwzCode的博客
09-26 296
然而，由于点云数据的复杂性，将Mask R-CNN应用到点云数据集上并提取相关信息是一项具有挑战性的任务。需要注意的是，由于点云数据的特殊性，Mask R-CNN模型在点云数据集上的应用需要进行适当的修改和调整。通过适当的修改和调整，我们可以充分利用Mask R-CNN模型的优势，实现更准确、更高效的点云数据处理和分析。在本文中，我们将探讨如何使用Mask R-CNN模型对点云数据集进行目标检测与分割，并提取出相关的信息。一般来说，点云数据集包含了大量的点云样本，每个样本都包含了点的坐标和对应的标签信息。
三维点云目标提取总结（续）
I Want Fly的专栏
09-28 2万+
简单介绍了一下三维点云的目标提取方法流程，针对这个领域提出了个人的一些见解。
Pointnet++学习
qq_27353621的博客
07-04 4028
1、点云的归一化与反归一化 归一化的作用： 数据归一化后，最优解的寻优过程明显会变得平缓，更容易正确的收敛到最优解 def pc_normalize(pc): """ 对点云数据进行归一化 :param pc: 需要归一化的点云数据 :return: 归一化后的点云数据 """ # 求质心，也就是一个平移量，实际上就是求均值 centroid = np.mean(pc, axis=0) pc = pc - centroid m = np
Pointnet/Pointnet++学习
qq_27353621的博客
06-25 5456
Pointnet++学习
基于深度学习的点云处理模型PointNet++学习记录
pengxiang1998的博客
09-30 3065
根据其论文中给出的介绍，Point++是用于点云分割与分类的深度学习模型，由下图可知，该模型主要分为三部分，分别是点空间特征提取、分割模型以及分类模块。其中，由一系列点集抽象层（）组成，而每一个。：Sampling layer的作用是从点云中选择很多个质点和围绕在这些质点的局部区域。作为输入，通过使用FPS算法（，最远点采样法）选出一系列点作为质点，与随机选取相比，这样可以更好的覆盖整个点集空间。
最全PointNet和PointNet++要点梳理总结
热门推荐
DAOCHI
11-12 4万+
一、基本简介 本篇博文主要是对 PointNet，PointNet++ 论文的要点进行梳理和总结。认真阅读本博文后，不仅能够深刻理解论文的核心算法思想，而且对模型训练数据的准备和模型的训练细节也能了然于胸。如果想阅读原论文，参考下面的链接资源，附有本人对原论文的中文翻译。 PointNet论文翻译，附链接。 PointNet++论文翻译，附链接。 二、PointNet 解决了什么问题？ a. 由于卷积网络在2D图像上的兴起，很多研究者开始将神经网络应用于3D点云数据。但是，大部分工作都是将3D
Pointnet++网络详解
ice
08-03 1万+
pointnet和pointnet++简直就是点云深度学习界的resnet呀，经典永流传。本博文将结合论文和代码来详细地分析pointnet++网络，包括最远点采样方法，网络结构等。
PointNet++理解
Rolandxxx的博客
12-22 746
3D检测里面有这样一类操作，用白话讲，可以归类为“路由”：即把特征从哪里取出来，或把特征汇聚到哪里去。“路由”的建立过程本身可以不可导（比如FPS和ball query）。但“路由”一旦建立，特征的传递和映射过程一般都是可导的。对于pointnet++中的一个例子（因为不能debug进用C++写的自定义的cuda算子，debug没法进c++的代码的，只能到调用的那一步，所以推荐直接采用全局搜索），对于前向传播中那些不能导的操作，是要重写一下backward函数的，重写时可能会调用自己实现的cuda代码。
点云语义分割pointnet++运行自制数据集的代码
05-30
PointNet++是一种用于处理点云数据的深度学习框架，它扩展了最初的PointNet模型，能够更好地捕获局部结构信息。在这个项目中，我们将关注如何利用PointNet++对自制数据集进行语义分割。 首先，`train_semseg.py` 和...
PointNet++ 源码有批注
08-01
PointNet++是深度学习领域中处理三维点云数据的一种创新性网络架构，由斯坦福大学的研究团队在2017年提出。它扩展了原始的PointNet（PointNet1），在处理非结构化3D数据时增加了对局部结构的感知能力。在本压缩包中...
pointnet++自制室外城市区域数据集
08-04
在计算机视觉和深度学习领域，三维点云数据处理是一项重要任务，而PointNet++作为一种强大的点云处理框架，为理解和解析复杂三维环境提供了有效工具。本文将深入探讨PointNet++及其在自制室外城市区域数据集上的应用...
PointNet++点云处理TensorFlow版
06-22
PointNet网络模型是直接对三维点云数据进行深度学习的开山之作，PointNet++是对PointNet的改进技术。PointNet++是点云处理深度学习里程碑式的工作，启发了很多后续研究。 原作的PointNet++代码使用Python2.7和...
Python Day44 学习（日志Day12复习）
Y317429的博客
06-07 363
注：这里AI给出的“适用场景”存在问题。关于性别，为二分类问题，不需要使用独热编码。三分类以上才涉及独热编码。出现问题：忘记之前已对数据进行了独热编码，导致映射出来的值为空值。对信贷数据重新进行标签编码（回写昨日复习的代码）对信贷数据重新进行标签编码（回写昨日复习的代码）补充：对数据进行“归一化”和“标准化”的作用。补充：“独热编码”与“标签编码”的选择。
Vim 高亮命令完整学习笔记
面朝大海
06-10 523
Vim 作为强大的文本编辑器，提供了丰富的搜索和高亮功能。掌握这些命令可以大大提高文本处理效率。本文将系统介绍 Vim 的高亮搜索命令和正则表达式的使用。
Java入门学习详细版（二）
又菜又爱写
06-10 581
本文系统介绍了Java编程中控制流和面向对象编程的核心内容。控制流部分详细讲解了条件语句（if-else、switch-case）和循环结构（for、while、do-while）的使用方法及其控制语句（break、continue、return）。面向对象部分重点阐述了类和对象的概念，包括类定义、属性、方法、构造方法，以及面向对象的四大特性：封装、继承、多态和抽象。文章还介绍了Java标准库中常用类的使用方法，如String、数组、包装类等，为Java编程提供了基础指导。
Linux驱动学习day2
weixin_71568456的博客
06-06 347
app与驱动之间，通过下面两个函数交互数据驱动和硬件之间交互。
UE5 学习系列（三）创建和移动物体
最新发布
nenchoumi3119的博客
06-10 1382
这篇博客是该系列的第三篇，是在之前两篇博客的基础上展开，主要介绍如何在操作界面中创建和拖动物体，以及自定义的一个小屋
学习STC51单片机28（芯片为STC89C52RCRC）
你的潜力远比你想象的更大，别给自己设限。
06-05 1071
摘要：本文详解DHT11温湿度传感器的使用流程。首先通过检测模块响应信号验证连接有效性，利用60us时间点检测低电平触发LED指示。重点介绍"卡点法"读取数据：通过while循环检测DHT信号电平自动跳变，避免不稳定的延时操作。数据读取时采用位操作（左移和或运算）将40位数据存入5字节数组，每8位构成一个有效数据。最后在main函数中循环调用实现数据持续刷新。该方法通过精准时序控制确保数据可靠获取，为传感器开发提供稳定解决方案。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值