课程笔记-三维点云处理07——3D Feature Detection

最新推荐文章于 2022-11-23 07:30:10 发布
VIP文章 最新推荐文章于 2022-11-23 07:30:10 发布
阅读量813 收藏 4
点赞数 2
分类专栏： 课程笔记 文章标签： 聚类 深度学习 计算机视觉
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/jason_____wang/article/details/115955212
版权

课程笔记-三维点云处理07—— 3D Feature Detection

本系列笔记是对深蓝学院所开设的课程：《三维点云处理》的笔记 课程每周更新，我也会努力将每周的知识点进行总结，并且整理成笔记发上来，欢迎各位多多交流&批评指正！！

本文主要为课程第七章的笔记！ 由于第六章继续进行深度学习领域知识讲解，因此不仅知识量陡增，课程量也加大，因此本章将分为上下两篇笔记进行记录。 本节课主要讲3D特征感知，介绍

课程链接：
三维点云处理——深蓝学院

本节课大纲： ############################################################

在这里插入图片描述
先从图像特征点开始讲，然后拓展到三维特征点。
而后分别用传统的方法和深度学习方法将特征点的处理 检测 与表述

正式内容: ####################################################

Introduction & harris 2d

在这里插入图片描述
特征点：一些关键的 有代表性的点 通常在推暗中指像素

在这里插入图片描述
特征点的应用：找到特征点之后，可以以他周围的信息生成的向量去描述该特征点

一个例子：利用特征点的识别与匹配去做全景图的合成
在这里插入图片描述

在图像当中，特征点的一个非常典型且重要的应用：SLAM

如feature based SLAM 是利用特征点的坐标与位置进行构图的。
在这里插入图片描述
点云特征点： 点云当中也有一些特征点（关键点）比较具有代表性
在这里插入图片描述
很经典的一个理论是，每个角点都是特征点，如何找到这些特征点成为了任务所在

在这里插入图片描述
通过对特征点回归与匹配进行点云配准和点云融合

最低0.47元/天 解锁文章
Jason_____Wang
关注
  • 2
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
【Mybatis-Plus学习笔记三】——Mybatis-Plus实现乐观锁.zip
06-10
【Mybatis-Plus学习笔记三】——Mybatis-Plus实现乐观锁.zip 博客地址：https://blog.csdn.net/weixin_43817709/article/details/117780896
深蓝学院点云公开课《基于三维点云场景的语义及实例分割》（RandLA-Net、3D-BoNet）笔记
dtuyg的博客
03-26 1760
深蓝学院点云公开课《基于三维点云场景的语义及实例分割》笔记 介绍之前的点云工作 介绍大场景三维点云的语义分割方法RandLA-Net。 1)目标 大多数方法如pointnet,pointnet++,pointcnn等只是处理小范围（如4k个点的1m×1m blocks），少量方法课处理大场景，但它们依赖于耗时的预处理或昂贵的体素化的步骤，预处理的时候进行了切块，把本该连一起的点云切开...
深蓝学院-----3D点云课程第一章笔记
weixin_47343723的博客
08-06 843
深蓝学院点云学习
课程笔记-三维点云处理05 ——Deep Learning on Point Cloud （下）
Jason_____Wang的博客
03-31 454
课程笔记-三维点云处理05 ——Deep Learning on Point Cloud （下） 本系列笔记是对深蓝学院所开设的课程：《三维点云处理》的笔记 课程每周更新，我也会努力将每周的知识点进行总结，并且整理成笔记发上来，欢迎各位多多交流&批评指正！！ 本文主要为课程第五章的笔记！ 由于第五章开始进行深度学习领域知识讲解，因此不仅知识量陡增，课程量也加大，因此本章将分为上下两篇笔记进行记录。 课程链接： 三维点云处理——深蓝学院 正式内容: ##########################
【学习笔记】深蓝学院-三维点云处理
麒麒哈尔的博客
07-09 6574
文章目录PCA & Kernel PCASuface Normal & Filters PCA & Kernel PCA Kernel PCA可以理解为，先通过非线性变换，将点云投影到高维空间中，然后在高维空间中做PCA。但这个非线性变换函数很难找，所以通过数学变换，改写，用核方法表示。使用常用的，多项式的核，高斯的核就可以实现Kernel PCA。 Suface Normal & Filters Surface Normal就是PCA中中最后一维的向量，将点云做PCA，最后
课程资源下载汇总（三维点云处理、多传感器融合、机器人学状态估计）
wtlll的博客
11-17 2120
1.前言 方便大家找资料，也为了避免视频在其他地方频繁被和谐，所以选了在这里写个集合，大家看到了就自行保存吧。。。 2.课程内容 2.1 激光SLAM的发展和应用 下载地址：传送门 课程介绍： SLAM（同步定位与地图构建），是指运动物体根据传感器的信息，一边计算自身位置，一边构建环境地图的过程，解决机器人在未知环境下运动时的定位与地图构建问题。目前，SLAM 的主要应用于机器人、无人机、无人驾驶、AR等领域。按传感器来分，SLAM 主要分为激光 SLAM 和 视觉SLAM （VSLAM）两大类。其
三维点云数据处理及算法实践
3D视觉工坊
11-23 1291
三维点云是最重要的三维数据表达方式之一，相比于图像而言，点云自身的特性使其更难处理：首先，点云是不规则分布的，比图像的规则网格更难，并且点云更稀疏；其次，点云缺少了图像中的纹理，导致在语义分析方面较为困难。与图像相比，点云有这些糟糕的特性，为什么三维点云在计算机视觉、自动驾驶、机器人等领域仍然得到了越来越多的广泛应用呢？这是因为点云比2D图像多提供了一个维度的信息，即深度信息。世界本来处于三维空间...
点云深度学习系列1——PointCNN代码阅读心得
热门推荐
李敏乐的博客
05-08 1万+
先是一点题外话，作者的Github维护的很好，经常更新，而且对读者的答疑也很及时，大赞。下面进入正题。 看过代码的同学都知道，作者的核心思想X变换在代码pointcnn.py中，里面主要包含两部分，特征提取和X矩阵训练。下面分开来说。 用于提取邻域特征的只有两个dense层（也叫fc层/MLP），很简单地将尺度为（P,K,C）的邻域结构升维到了（P,K,C’）。 # Prepare...
GEE课程笔记-GEE自学课程笔记
最新发布
01-29
GEE课程笔记---GEE自学课程笔记
【Mybatis-Plus学习笔记二】——Mybatis-Plus进阶使用.zip
06-09
【Mybatis-Plus学习笔记二】——Mybatis-Plus进阶使用.zip 博客地址：https://blog.csdn.net/weixin_43817709/article/details/117751784
【Mybatis-Plus学习笔记一】——Mybatis-Plus快速使用.zip
06-08
【Mybatis-Plus学习笔记一】——Mybatis-Plus快速使用.zip 博客地址：https://blog.csdn.net/weixin_43817709/article/details/117717192
Effective-Robotics-Programming-with-ROS——中文学习笔记
05-06
这是对Effective-Robotics-Programming-with-ROS这本书的中文学习笔记
matlab 计算点云中心_综述-三维点云深度学习技术
weixin_39561179的博客
11-28 965
Deep Learning for 3D Point Clouds: A Survey论文链接：https://arxiv.org/abs/1912.12033摘要点云学习因其在计算机视觉、自动驾驶、机器人等领域的广泛应用而受到越来越多的关注。深度学习作为人工智能的主流技术，已经成功地应用于解决各种二维视觉问题。然而，由于用深度神经网络处理点云所面临的独特挑战，点云的深度学习仍处于起步阶段。最近，...
【点云系列】SO-Net：Self-Organizing Network for Point Cloud Analysis
weixin_43882112的博客
12-22 684
文章目录1. 概要1.1 原文1.2背景知识2. Motivation3. 思想4. 算法4.1 SOM的置换不变性4.2 编码框架4.3 自编码器5. 实验结果6. 结论及思考 1. 概要 1.1 原文 题目：SO-Net：Self-Organizing Network for Point Cloud Analysis， CVPR2018 论文：https://link.zhihu.com/?target=https%3A//arxiv.org/abs/1803.04249 代码：https://gith
三维点云学习（7）6-SO-Net
weixin_41281151的博客
08-16 479
三维点云学习（7）6-SO-Net Self Organizing Map Self-Organizing Map本质聚类方法，但是不同于K-means的是，类里的元素，类与类之间有一定的排列顺序，下图三所示，具有渐变的效果 每次更新，是一个领域的更新，不断迭代（直到x,y,z不再变动）另类的神经网络 SO-Net Grouping 分割问题 K-Means 的方法：Node2Point KNN。会出现one point contact by few nodes，或者出现有些点没被连接的现象 SO
SO-Net:点云分析的自组织网络
超立方体
07-19 8526
对SO-Net做了主要内容的翻译和部分注释。SO-Net，一种用于无序点云深度学习的置换不变体系结构。 SO-Net通过构建自组织映射（SOM）来模拟点云的空间分布。基于SOM，SO-Net对单个点和SOM节点进行分层特征提取，最终用单个特征向量来表示输入点云。网络的感受野可以通过进行点对节点的$kNN$(k近邻搜索)系统地调整。在识别点云重建，分类，对象部分分割和形状检索等任务中，我们提出的网络表现出的性能与最先进的方法相似或更好。另外，由于所提出的架构的并行性和简单性，所以训练速度比现有的点云识别网络快
点云配准python代码_三维点云处理，主流算法集合！
weixin_39851918的博客
12-06 1087
三维点云是最重要的三维数据表达方式之一。从技术角度看，SLAM、三维重建、机器人感知等领域，点云都是最简单且最普遍的表达方式：相对于图像，点云有其不可替代的优势-深度，也就是说三维点云直接提供了三维空间的数据，而图像则需要通过透视几何来反推三维数据。从应用角度看，上至无人驾驶中的激光雷达，下至微软Kinect、iPhone FaceID以及各种各样的AR/VR应用，都需要基于点云的数据处...
激光点云处理的学习之路（深蓝学院）
yz9521的博客
01-17 924
一、配置环境 环境搭建 1. Ubuntu18.04 安装 Anaconda3 https://blog.csdn.net/qq_15192373/article/details/81091098 2. Ubuntu 18.04 Anaconda使用 https://blog.csdn.net/guolindonggld/article/details/82595473 3. Anaconda使用总结 https://www.jianshu.com/p/2f3be7781451 4. 【点云处...
课程笔记-三维点云处理01 ——Introduction and Basic Algorithms
Jason_____Wang的博客
02-28 1613
课程笔记-三维点云处理01 ——Introduction and Basic Algorithms 本系列笔记是对深蓝学院所开设的课程：《三维点云处理》的笔记 课程每周更新，我也会努力将每周的知识点进行总结，并且整理成笔记发上来，欢迎各位多多交流&批评指正！！ 本文主要为课程第一章的笔记！ 课程链接： 三维点云处理——深蓝学院 正式内容: #################################################### Course outline and prerequis
华为hcip精品课程笔记-wakin
07-16
华为HCIP精品课程笔记-Wakin是一本非常有价值的学习资料。该笔记通过详细介绍HCIP认证的相关知识点和实用技能，为学生提供了一种高效学习的方式。 首先，华为HCIP精品课程笔记-Wakin涵盖了HCIP认证考试需要掌握的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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