[点云学习] 二、点云分类

已于 2023-05-16 15:08:05 修改
阅读量255 收藏 4
点赞数
分类专栏： 点云 文章标签： 学习 分类 python
于 2023-05-16 15:07:41 首次发布
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/qq_38641985/article/details/130705845
版权

1.Pointnet

项目地址： https://github.com/yanx27/Pointnet_Pointnet2_pytorch
在这里插入图片描述

2.数据集下载

ModelNet10/40: https://shapenet.cs.stanford.edu/media/modelnet40_normal_resampled.zip

3.环境配置

在这里插入图片描述

4.训练与测试

4.1训练

python train_classification.py --model pointnet2_cls_ssg --log_dir pointnet2_cls_ssg --batch_size 16

在这里插入图片描述

4.2训练

python test_classification.py --log_dir pointnet2_cls_ssg

在这里插入图片描述

佐倉
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
基于深度学习的点云分类方法综述
02-13
点云作为一种重要的3D数据类型，随着3D采集技术的发展已被广泛用于多个应用场景。深度学习因其处理大型数据集的高效性、提取特征的自主性，成为点云分类研究最新进展的方法主导。本文首先对点云分类方法研究现状进行了介绍，接着重点对基于深度学习的点云分类的主要方法和最新方法进行了分析阐述。根据数据处理方式对点云分类方法进行归类，总结对比了每类方法的主要思想和优缺点，并详细介绍了部分代表性、创新性算法的实现过程。最后，对点云分类面临的挑战及未来研究方向进行了展望。
TerraSolid点云滤波分类简易操作流程
12-17
TerraSolid系列软件是一套基于Microstation开发的LiDAR数据处理软件。包括:TerraMatch、TerraScan、TerraModeler、 TerraPhoto、TerraSurvey等一系列模块。是一款比较权威的点云处理软件，此文档是在学习时自己总结的操作步骤。
用pointnet++分类自己的点云数据
weixin_44603934的博客
03-19 2万+
这篇博客主要是针对于现有的热门的激光点云处理算法pointnet++如何分类自己的数据集展开的。在介绍基本的pointnet++算法的概念、基本步骤及思想、部分代码讲解之后，会介绍如何使用自己的数据集进行分类（涉及到详细的代码改进方法及步骤）以及打印利用自己数据集跑出的模型后的点云坐标。
开源点云数据集整理汇总
点云侠的博客
07-08 2336
网上看到的和自已使用的一些开源点云数据集整理汇总
三维点云数据集汇总（分类+检测+识别）
3D视觉工坊
12-22 5495
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨深蓝学院@知乎来源丨https://zhuanlan.zhihu.com/p/445283508编辑丨3D视觉工坊1.The S...
点云数据集汇总整理（匠心之作，附官方下载地址）
热门推荐
qq_27816785的博客
05-19 4万+
点云公开数据集 1 点云分类和分割 1.1 ModelNet40 （点云分类） 普林斯顿 ModelNet 项目的目标是为计算机视觉、计算机图形学、机器人学和认知科学领域的研究人员提供全面、干净的对象 3D CAD 模型集合。 包含数据集： ModelNet40： ModelNet10： modelnet40_ply_hdf5_2048： modelnet40_normal_resampled 数据内容： 飞机、汽车、椅子、碗、瓶、键盘、楼梯、… 采集方式： 发布单位： 普林斯顿大学 下载地址： htt
8个值得收藏的免费激光点云数据集
新缸中之脑
09-26 948
推荐：用快速搭建可编程3D场景在 3D 城市点云分析领域，存在多种方法，包括半自动和自动方法。尽管该领域显示出巨大的潜力，但尚未就最佳检测、分割和分类方法达成共识。为了鼓励创新，我们收集了 8个免费的LiDAR 数据集供所有人访问，旨在激发检测、分割和分类方面的新方法。
Lidar360 点云分类
dayuhaitang1的博客
10-18 4727
点云分类
点云数据集
qq_38235017的博客
08-31 8346
一、ModelNet40（点云分类） 普林斯顿ModelNet项目的目标是为计算机视觉、计算机图形学、机器人和认知科学领域的研究者们提供一个全面、干净的三维CAD模型集合, 该数据的主页地址https://modelnet.cs.princeton.edu, 数据最早发布在论文3D ShapeNets: A Deep Representation for Volumetric Shapes[CVPR 2015]上. 相关工作人员从数据中选择了常见的40类和10类构成数组子集, 分别表示为ModelNe.
modelnet40数据集_点云数据预处理 FAQ
weixin_39666931的博客
11-28 3324
本文对点云数据预处理中的一些常见疑问进行整理，希望帮助新手快速入门。1. 点云有哪些常用的数据集？ModelNet40：可以用来训练分类（classification）。训练集有9843个点云、测试集有2468个点云。有40个类。ShapeNet：可以用来训练零件分割（part segmentation）。训练集有14007个点云，测试集有2874个点云。RueMonge2014：可以用来训练室外...
12
02-21
PointNet：针对3D分类和分割的点集深度学习 由斯坦福大学的 ，，， 。 介绍 这项工作基于我们的，该将在CVPR 2017中发表。我们为点云（作为无序点集）提出了一种新颖的深层网络架构。 您也可以查看我们的以获得更深入的介绍。 点云是几何数据结构的一种重要类型。 由于格式不规则，大多数研究人员将此类数据转换为规则的3D体素网格或图像集合。 但是，这使数据变得不必要地庞大并引起问题。 在本文中，我们设计了一种直接消耗点云的新型神经网络，该网络很好地考虑了输入中点的排列不变性。 我们的网络名为PointNet，为从对象分类，零件分割到场景语义解析的应用程序提供了统一的体系结构。 虽然很简单，但PointNet高效且高效。 在此存储库中，我们发布代码和数据，用于在从3D形状采样的点云上训练PointNet分类网络，以及在ShapeNet零件数据集上训练零件分割网络。 引文 如果您发现
深度学习-3D点云实战系列.rar
10-28
分享一套3D点云视频教程，名字叫深度学习-3D点云实战系列，课程通俗讲解点云领域各...所有算法均配套实战项目，内容主要包括poinenet系列点云分类与分割，点云补全，点云配准等项目，全部基于实际数据集进行源码解读。
3D点云图像数据分类
11-13
这是2篇关于3D点云数据图像场景分类的比较新的文献资料，里面包含了纽约市立大学-亨特学院的一些研究方法与研究成果，希望对做这方面的朋友们有用！
基于Matlab的点云分类与优化算法
03-26
1.支持地面式（机载）点云的处理，支持彩色点云。...4.基于条件随机场的点云分类结果优化。 5.主程序为Classify_run.m，包括一个标记真值的样例数据供参考。Classify_PointCloud\data_dhq\dhq_train.ply
Vitis HLS 学习笔记--优化指令-ARRAY_PARTITION
hi94的博客
04-22 1293
ARRAY_PARTITION 指令中非常重要，它用于优化数组的存储和访问。该指令可以将一个大数组分割成多个小数组，以提高并行处理能力和减少访问延迟。
软件设计师软考中项学习（二）之计算机系统基础知识
寻至善的博客
04-20 548
通过学习🔥了解了计算机系统基础知识🔥学习了计算机基础、中央处理单元、数据表示🔥学会了CPU工作原理各进制的转换
【学习笔记二十二】EWM执行过账更改
SAP星辰大海的博客
04-22 546
本文主要介绍了EWM posting change 中过账更改的后台配置以及再前台操作中分别从ERP和EWM发起的操作步骤
web学习
最新发布
MptRe的博客
04-23 225
day03-01day03-02day03-03day03-05day03-07。
TypeScript学习笔记7-枚举
STATICHIT静砸的博客
04-23 261
如果中断了，那么下面的就从中断的地方继续增长。如果是字符串，那么定义的时候就要全部写上。主要作用就是节省因为枚举带来的性能消耗。如果是纯数字，下面的会进行自动增长。
4D雷达点云分类机器学习
07-14
对于4D雷达点云分类的机器学习方法，可以采用以下步骤进行： 1. 数据预处理：首先，对从4D雷达传感器获取的原始点云数据进行预处理。这可能包括去除噪声、滤波、点云的归一化等操作，以提高后续分类的准确性和稳定性。 2. 特征提取：接下来，从预处理后的点云数据中提取有意义的特征。常用的特征包括点的坐标、反射强度、法向量等。如果需要考虑点云的时序信息，还可以将多个时间步的点云数据作为输入。 3. 数据划分：将提取的特征和对应的类别标签划分为训练集和测试集。通常会采用交叉验证或者留出法来评估模型的性能。 4. 模型选择与训练：选择适合的机器学习模型进行训练。常用的模型包括支持向量机（SVM）、随机森林、深度神经网络等。根据数据集的规模和复杂度，可以选择单个模型或者组合多个模型进行分类。 5. 模型评估与调优：使用测试集对训练好的模型进行评估，并进行调优。可以通过计算准确率、召回率、F1分数等指标来评估模型的性能。根据评估结果，可以进一步调整模型的参数、特征选择等，以提高分类的准确性。 6. 模型应用：最后，将训练好的模型应用于新的4D雷达点云数据，进行分类和识别。 需要注意的是，4D雷达点云分类是一个复杂的任务，数据量较大且具有高维特征，因此需要合适的算法和合理的参数设置来取得良好的分类效果。此外，数据预处理和特征选择也是影响分类性能的重要因素。

“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
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

打赏作者

佐倉

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