3D 点云综述(深度学习篇)

6 篇文章 247 订阅 ¥19.90 ¥99.00
本文概述了3D点云的来源,包括3D传感器如3D扫描仪、LiDAR和RGB-D相机。重点讨论了3D形状分类的三种主要方法:基于多视角、体积和点的方法,以及相关的研究进展。点云形状分类方法包括PointNet、PointNet++等,这些方法旨在捕获点云的几何信息并避免信息损失。
摘要由CSDN通过智能技术生成

写在前面的话: 本文主要来自于文章《Deep Learning for 3D Point Clouds: A Survey》以及自己的感悟和看法

文章可以从这里下载:https://arxiv.org/pdf/1912.12033.pdf

持续更新中

一、3D点云来源:

3D点云(如下图所示),其主要来源于3D传感器,包括各种3D扫描仪,LiDARs,以及RGB-D相机。三维扫描仪(3D scanner)是一种科学仪器,用来侦测并分析现实世界中物体或环境的形状(几何构造)与外观数据(如颜色、表面反照率等性质)。搜集到的数据常被用来进行三维重建计算,在虚拟世界中创建实际物体的数字模型。 

评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

MacalDan

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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