点云网络调研

于 2024-02-19 11:28:27 发布
阅读量109 收藏
点赞数 2
文章标签： python 算法
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_40429142/article/details/136166417
版权

点云数据的排序不变性和变换不变性

1.pointnet

变换不变性：使用t-net训练一组权重参数，来适应旋转不变
排序不变性：使用max pool来达到置换不变的效果

2.pointnet++

中心点采样＋分组：提取局部特征

3.pointcnn

使用x卷积训练一组权重参数，来解决邻域的排序问题

4.so-net

初始中心点的选取会改变领域的选择，进而影响网络预测的结果：该网络使用无监督的som做聚类，对点云在空间的分布进行了唯一的提取

qq_40429142
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
【点云网络】pointnet_cls.py
py今天刷题了吗
02-13 175
【代码】【点云网络】pointnet_cls.py。
点云检测网络PointPillar
最新发布
人无远虑，必有近忧
02-28 893
在此之前对于不规则的稀疏的点云的做法普遍分为两派:一是把点云数据量化到一个个Voxel里，常见的有VoxelNet和SECOND , 但是这种做法比较普遍的问题是由于voxel大部分是空集所以会浪费算力(SECOND利用稀疏卷积解决了它) ，但是二者都还存在高度的信息所以还需要计算三维卷积的。一是从俯视角度将点云的数据进行处理，将高度信息通过一系列手段去除从而获得一种类似Pseudo image的方式从而去用一些经典的图像网络去处理一些任务比如，MV3D和AVOD。
太实用了！20分钟快速理解【PointNet网络】，妥妥的！
Leeniux
08-10 5835
在本文中，我们探索了能够处理 点云的深度学习架构。典型的卷积架构需要高度规则的数据，如图像或体素，以便执行权重共享和优化。由于点云不是常规格式，因此大多数研究人员通常将此类数据转换为常规体素或图像（例如俯视图），然后再将它们提供给网络。然而，这种转换使生成的数据变得不必要地庞大——同时还掩盖了数据自然不变性。出于这些原因，我们使用简单的点云来表示输入， 并将我们的网络命名为 PointNets。点云是简单而统一的结构，避免了组合的不规则和复杂性，因此更容易学习。...
三维点云网络——PointNet论文解读
热门推荐
TomRen
09-18 2万+
PointNet1 是斯坦福大学研究人员提出的一个点云处理网络，与先前工作的不同在于这一网络可以直接输入无序点云进行处理，而无序将数据处理成规则的3Dvoxel形式进行处理。输入点云顺序对于网络的输出结果没有影响，同时也可以处理旋转平移后的点云数据。 点云是一种重要的几何数据形式。卷积网络通常需要规则的数据形式作为输入，但由于点云是非规则数据类型所以通常的做法大都先对点云进行规则化的处理，将空...
三维点云网络PointNet——模型及代码分析
TomRen
09-18 1万+
PointNet架构 PointNet主要架构如下图所示： 主要包含了点云对齐/转换、mpl学习、最大池化得到全局特征三个主要的部分。 -T-Net用于将不同旋转平移的原始点云和点云特征进行规范化； mpl是多层感知机，n个共享的mpl用于处理n个点/特征； max pooling 用于融合多个特征并得到全局的1024维的特征； 最后根据任务的不同，利用一个MPL实现分类；结合局部信息利用多个...
Rabbit兔子点云模型
11-02
点云模型是三维计算机视觉和几何处理领域中的一个重要概念，它由大量的三维点构成，用于表示物体表面的形状和结构。在本案例中，我们关注的是一个名为“Rabbit”的点云模型，它包含了三种不同的文件格式：pcd、ply和...
斯坦福兔子pcd点云
01-07
近年来，出现了专门处理点云的网络结构，如PointNet、PointNet++等，它们直接在点级别上操作，实现了端到端的点云分类和分割任务。 总的来说，“斯坦福兔子pcd点云”数据集为研究者提供了一个理想的平台，以探索和...
针对复杂场景处理的点云深度学习网络
07-07
点云数据的分类和语义分割在自动驾驶、智能机器人、全息投影等领域中有着重要应用。...实验结果表明，在点云分类和语义分割任务的3个基准数据集上，所提网络相较于现有网络具有更高的分类和分割精度。
python点云拼接样例数据
04-23
点云拼接是一种在三维空间中整合多个局部点云数据以形成全局三维模型的技术。在IT行业中，尤其是在计算机视觉、机器人导航、建筑建模、地理信息系统等领域，点云拼接有着广泛的应用。Python作为一种易学易用且功能...
Halcon点云转深度图
05-30
网上关于Halcon点云转成深度图的方法： get_image_size (GrayImage, Width, Height) gen_image_const (ImageConst, 'real', Width, Height) set_grayval (ImageConst, X, Y, Z) 首先要知道图像的宽度和高度,但是不...
点云输入网络
liu13364876993的博客
06-28 457
https://www.jianshu.com/p/4a25ce09a44a
点云处理网络中的Shared MLP
cccchensir的博客
09-05 6008
在点云处理网络中常看到Shared MLP的网络结构，它和我们认知的多层感知机MLP有什么区别和联系呢？ 结论 被广泛应用的Shared MLP（用于减少网络的训练参数，实现类似CNN的权值共享机制）其本质是用[1,1]大小的卷积核去做卷积操作，减少了大量的参数。 分析PointNet的源代码model/pointnet_seg.py/get_model(): 其中输入为Batch_size x 点数 x 3（点云坐标），输出为Batch_size x 点数 x 50（分类） 具体被用来做shared .
点云网络研发部署心得
Accfre的博客
08-22 265
lidar-deeplearning network 总结[持续更新]欢迎使用新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 工作一年了，入职到现在，公司的lidar深度学习从无到有，车辆平台嵌入式部署从０到１，一路走来全
【3D计算机视觉】Dynamic Graph CNN——点云动态图卷积神经网络
小执着的博客
03-21 1万+
Dynamic Graph CNN for Learning on Point Clouds1.简介1.1 解决的问题1.2 贡献1.3 EdgeConv的优缺点：2.网络结构2.1 EdgeConv层介绍2.2 函数的选择2.3 示意图3.实验结果： 1.简介 该文章是最新出的一篇针对Point Clouds数据分类、分割的网路，它是受点云数据处理的鼻祖论文PointNet、PointNet++...
自动驾驶 | MINet：嵌入式平台上的实时Lidar点云数据分割算法，速度可达 20-80 FPS！...
AI算法修炼营的博客
08-26 1011
点击上方“AI算法修炼营”，选择“星标”公众号精选作品，第一时间送达这篇文章是激光雷达点云数据分割算法的嵌入式平台上的部署实现。主要的创新点有两点：一是利用多路分支采用不同分辨率输入后再...
点云配准论文阅读笔记
m0_46471042的博客
08-04 3305
1.《RPM-Net: Robust Point Matching using Learned Features》 CVPR2020 论文链接：http://arxiv.org/abs/2003.13479v1 代码链接：https://github.com/yewzijian/RPMNet 解决了点云刚性配准任务中，对初始刚性变换和噪声/离群点敏感的问题。 基于空间距离的最近点对应的硬赋值对初始刚性变换和噪声/离群点敏感，往往导致ICP收敛到错误的局部极小值。RPM比ICP更为健壮，但它仍然对初始化和局
2020最新点云深度学习综述
3D视觉工坊
09-01 6023
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达论文阅读模块将分享点云处理，SLAM，三维视觉，高精地图相关的文章。●论文摘要点云是在三维空间中点集的定义，点云已经成为三维表示中最...
【三维深度学习】点云上采样网络PU-Net
TomRen
09-27 3696
点云数据具有天然的稀疏性和不规则性，PU-Net提出了一种基于多尺度特征的多分支卷积网络来对特征进行学习，在特征拓展的基础上进行点云重建。在训练过程中引入了重建损失和斥力损失来联合保持重建点云处于隐含曲面的适当位置。论文收录于cvpr2018.
【论文笔记】点云上采样网络 PU-GAN: a Point Cloud Upsampling Adversarial Network ICCV 2019
phy12321的博客
12-14 2643
代码链接 ： 链接 论文介绍： 链接 香港中文大学 本文方法可以直接对激光雷达的scan数据进行上采样以及数据修正，得到的结果更加完整、均匀： 本文在合成数据集以及真实数据集上进行了测试，在上采样点云的均匀性、靠近曲面性（生成的点云要更加接近表面）、三维重建质量三个方面超越了现有方法。 相关工作 现有点云上采样的方法有三种： 1. 基于优化的方法 这些方法都不是以数据为驱动的，它们严重依赖于先验知识，如光滑曲面的消耗、法向估计等 2. 基于深度学习的方法 点云上采样与点云补全（point comple.
点云语义分割网络模型
12-08
以下是两种点云语义分割网络模型： 1. PointNet++ PointNet++是一种基于点集的深度学习架构，用于点云分析任务，如分类、分割和语义分割。它通过逐层聚合局部区域的特征来捕获点云的全局特征。PointNet++的主要优点...

“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