![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
点云深度特征提取
文章平均质量分 87
修理费用250
这个作者很懒,什么都没留下…
展开
-
USIP中的KITTI detector代码阅读
一、数据准备(KITTI数据集) 这部分代码在USIP/data/kitti_detector_loader.py中。1.1 数据读取 首先读取数据的sequence列表,文件路径列表,每个sequence中的scan数量,scans的前项和。self.seq_list, self.folder_list, self.sample_num_list,self.accumulated_sample_num_list = make_dataset_kitti(root, mode, opt)其中原创 2021-11-15 17:22:32 · 1336 阅读 · 0 评论 -
SO-Net中的index_max的功能及具体实现
一、背景 在SO-Net的分类模型的Encoder部分,first_pointnet给出特征向量后,有一个求索引的操作: M = node.size()[2] with torch.cuda.device(self.first_pn_out.get_device()): gather_index = index_max.forward_cuda(self.first_pn_out.detach(),原创 2021-11-04 23:00:24 · 1014 阅读 · 1 评论 -
SO-Net中分类器(classifier)的实现过程
一、数据准备 该部分代码位于./data/modelnet_shrec_loader.py中。读取的数据为pc_np(点的坐标),surface_normal_np(法向量),som_node_np(som节点坐标)和class_id(类别)。然后对数据增强,包括旋转、微扰、尺度变换和位移。返回点的坐标、法向量、类别、som节点和每个som节点在som节点中的k个近邻点的索引。二、模型 该部分代码位于./models/classifier.py。主要包括两个部分:编码网络和分类网络。2.1编码原创 2021-11-03 21:55:42 · 600 阅读 · 0 评论 -
SO-Net中SOM的实现
一、目的 SO-Net在点云分层特征提取中显式地对点云空间分布进行建模。给定包含NNN个点的点云P={pi∈R3,i=0,1,...,N−1}P=\{p_i \in \mathbb R^3,i=0,1,...,N-1\}P={pi∈R3,i=0,1,...,N−1},SO-Net将其处理成MMM个SOMSOMSOM节点S={sj∈R3,j=0,1,...,M−1}S=\{s_j \in \mathbb R_3,j=0,1,...,M-1\}S={sj∈R3,j=0,1,...,M−1}。原始的SO原创 2021-11-02 19:48:10 · 192 阅读 · 0 评论 -
论文阅读笔记(二):USIP:Unsupervised Stable Interest Point Detection from 3D Point Clouds
摘要: 本文提出了USIP检测器:一种可以在不需要训练数据真值的任意变换的3D点云中检测重复率高、定位准确的关键点的无监督稳定特征点检测器。USIP检测器由一个特征生成网络组成,该网络可以从输入的点云和任意变换后的点云中学习稳定的关键点。本文提供了退化分析和解决方法。我们使用概率倒角距离来最小化从训练点云对中检测到的关键点之间的距离,以提高重复性和定位精度。在包含Lidar、RGB-D和CAD模型的仿真和实际的3D点云数据集上进行了大量的可重复性测试,实验结果表明USIP检测器明显优于当前的现存的手工方原创 2021-07-22 15:25:39 · 684 阅读 · 0 评论 -
论文阅读笔记(一)3DFeat-Net:Weakly Supervised Local 3D Features for Point Cloud Registration
文章链接:3DFeat-Net:Weakly Supervised Local 3D Features for Point Cloud Registration代码地址:[github]摘要:本文提出了3D Feat-Net,它通过弱监督学习用于点云匹配的3D特征及其描述子。不同于现有研究,我们不需要人工标注的匹配点簇。相反地,我们利用对齐和注意力机制从GPS/INS标记的三维点云中学习特征的对应关系,而不是明确地指定(对应关系)。我们创建了训练和基准户外激光雷达数据集,实验表明3DFeat网络在这些重原创 2021-07-06 15:56:43 · 1208 阅读 · 0 评论